تعد توقعات ارتفاع الأمواج (Storm Surge Forecasting) واحدة من التحديات الكبرى التي تواجه المناطق الساحلية، خاصة في ظل الارتفاع المتزايد في وتيرة الأعاصير الاستوائية وتغير المناخ. ومع أن النماذج العددية التقليدية مثل ADCIRC تعتبر فعالة، إلا أنها تواجه صعوبة في التعامل مع الشكوك الناتجة عن عوامل متعددة. لذا، يأتي نموذج StormNet كحل مبتكر!

StormNet هو شبكة عصبية تعتمد على الرسوم البيانية (Graph Neural Network - GNN) تم تصميمها خصيصاً لتصحيح التحيز في توقعات ارتفاع الأمواج. يجمع هذا النموذج بين آليات الالتفاف على الرسوم البيانية (Graph Convolutional Networks - GCN) وآليات الانتباه (Graph Attention Networks - GAT) مع مكونات الذاكرة الطويلة قصيرة المدى (Long Short-Term Memory - LSTM) لالتقاط التبعية المعقدة بين محطات قياس مستوى المياه.

تم تدريب النموذج باستخدام بيانات تاريخية من أعاصير منطقة خليج المكسيك الأمريكية، وتم تقييمه في أعقاب إعصار إداليا (Idalia) الذي وقع في عام 2023. وبدت النتائج واعدة، حيث أثبت StormNet قدرته على تقليل الخطأ الجذري التربيعي (Root Mean Square Error - RMSE) في توقعات مستوى المياه بما يزيد عن 70% لتوقعات تمتد على 48 ساعة، و50% لتوقعات تمتد على 72 ساعة.

علاوة على ذلك، أثبت النموذج تفوقه على النماذج التقليدية التي تعتمد على LSTM، خصوصًا في فترات التوقع الطويلة. كما يتميز StormNet بانخفاض وقت التدريب، مما يعزز استخدامه في أنظمة التنبؤ التشغيلي في الوقت الحقيقي.

في النهاية، يمثل StormNet إطاراً فعالاً من حيث الحسابات وقائماً على أسس علمية لتحسين دقة وموثوقية توقعات ارتفاع الأمواج خلال الظروف الجوية المتطرفة. فهل أنت مستعد لاستكشاف هذه التقنية الحديثة؟