Inferensi dan Prediksi Arus Indonesia dengan AI

Menggunakan deep learning, para peneliti berhasil membangun sistem Indonesian Flow Inference and Prediction (ITF).

Ini dilakukan bekerja sama oleh para peneliti dari Institut Oseanologi akademi ilmu pengetahuan cina (IOCAS) dan Universitas Sains dan Teknologi Informasi Nanjing.

Studi tersebut dilaporkan dalam Perbatasan Ilmu Kelautan tinjauan pada 16 Januari^e2023.

Satu-satunya saluran yang menghubungkan cekungan samudra tropis adalah laut Indonesia, dan ITF merupakan faktor dinamika samudra utama untuk pertukaran antar cekungan antara cekungan Samudra Pasifik dan cekungan Samudra Hindia.

ITF memainkan peran penting dalam keseimbangan material dan energi dari perubahan iklim regional dan global serta Samudera Indo-Pasifik. Namun, prakiraan ITF terutama bergantung pada sistem simulasi numerik, yang berulang kali menunjukkan ketidakpastian yang besar dan bias model yang cukup besar.

Oleh karena itu, para ilmuwan yang dipimpin oleh Profesor Shijian Hu mengusulkan konsep integrasi pengamatan satelit dengan teknik kecerdasan buatan untuk membangun sistem inferensi dan prediksi ITF dan telah melakukan eksperimen dengan beberapa model deep learning.

Penentu utama ITF adalah gradien tekanan Indo-Pasifik, sehingga para ilmuwan telah menggunakan ketinggian permukaan laut antara cekungan Samudra Hindia dan Samudra Pasifik untuk menyimpulkan dan memprediksi transportasi ITF.

Convolutional Neural Network (CNN) dirancang untuk berlatih dengan data besar yang dikumpulkan oleh model Fase 6 dari Proyek Interkomparasi Model Terpasang dan kumpulan data asimilasi data laut sederhana dan merekonstruksi garis waktu transportasi ITF seri.

Hasil pelatihan menunjukkan bahwa sistem berdasarkan model CNN mereproduksi sekitar 90% dari varian transpor ITF lengkap. Hal ini menunjukkan bahwa sistem memiliki potensi untuk memperoleh inferensi yang valid tentang transportasi ITF.

Selain itu, para ilmuwan mengintegrasikan sistem menggunakan data satelit dari tahun 1993 hingga 2021 untuk menyusun dan menyusun deret waktu ITF. Selain itu, deret waktu ditemukan sesuai dengan data observasi lapangan ITF yang terkenal secara internasional.

Mereka memeriksa kelayakan memprediksi ITF dengan sistem AI ini, dan hasilnya menunjukkan bahwa sistem tersebut memiliki kemampuan untuk membuat prediksi yang valid dengan lead time hampir tujuh bulan.

Sistem inferensi dan prediksi AI ITF menyediakan alat penting untuk melakukan penelitian tentang sirkulasi laut dan perubahan iklim di Samudera Indo-Pasifik, yang dapat mengurangi tekanan pengamatan laut sampai batas tertentu di lapangan..

Shijian Hu, Profesor, Institut Oseanologi, Akademi Ilmu Pengetahuan Tiongkok

Studi ini didukung secara finansial oleh Yayasan Ilmu Pengetahuan Alam Provinsi Shandong dan Proyek Khusus Sains dan Teknologi Percontohan Strategis CAS.

Referensi jurnal:

Xin, L. et al. (2023) Menggunakan pendekatan deep learning untuk menyimpulkan dan memprediksi transpor fluks Indonesia dari ketinggian permukaan laut. Perbatasan Ilmu Kelautan. doi.org/10.3389/fmars.2023.1079286.

Sumber: https://english.cas.cn/