La AEMET coorganiza una competición de aprendizaje automático para mejorar la calidad de las previsiones meteorológicas.

¿Te gustaría saber con el 100% de fiabilidad qué tiempo va a hacer dentro de dos semanas? ¿Y a quién no? Hasta ahora, la Agencia Estatal de Meteorología (AEMET) podía tener unas predicciones más o menos fiables, pero que podían variar día arriba día abajo. Buscando atajar esto, la institución coorganiza una competición de machine learning para mejorar las previsiones meteorológicas.

La competición parte de la Agencia Estatal de Meteorología y el SAF (Satellite Application Facilities) de Nowcasting. Estas organizaciones han creado la competición Weather4cast de machine learning o aprendizaje automático con el Instituto de Investigación Avanzada en Inteligencia Artificial (IARAI) de Austria.

La competición estará disponible hasta el 31 de mayo. El objetivo de la misma es realizar una predicción a corto plazo basada en datos proporcionados por el SAF de Nowcasting usando modelos de machine learning.

Los usuarios que deseen participar ya se pueden inscribir en ella. Para hacerlo tendrán que registrarse en esta página web. Hasta la fecha de admisión de candidaturas podrán publicar el código y una descripción del modelo desarrollado

IA y Machine Learning

El aprendizaje automático es una rama de la inteligencia artificial. A través del también llamado machine learning las máquinas aprendan a llevar a cabo procesos sin ser expresamente programadas para ello. En ese sentido, los satélites meteorológicos se convierten en candidatos perfectos para aplicar técnicas de machine learning que permiten reconocer patrones y estructuras relacionadas con los procesos atmosféricos de manera rápida y efectiva.

Mejorar los sistemas de observación meteorológica implica invertir en satélites meteorológicos. La contribución de España a los programas de satélites meteorológicos de EUMETSAT supone cerca de 33 millones de euros al año. Esa cantidad pertenece a los fondos de AEMET, lo que supone aproximadamente el 30% del presupuesto anual de la Agencia.