Tempestades são comuns em todo o mundo no verão. Além de estragar as tardes no parque, raio, chuva e ventos fortes podem danificar as redes de energia e causar apagões de eletricidade. É fácil saber quando uma tempestade está chegando, mas as empresas de eletricidade querem ser capazes de prever quais têm o potencial de danificar sua infraestrutura.

O aprendizado de máquina é ideal para prever quais tempestades podem causar apagões. Roope Tervo, arquiteto de software no Instituto Meteorológico Finlandês (FMI) e Ph.D. pesquisador da universidade Aalto no grupo de pesquisa do professor Alex Jung, desenvolveu uma abordagem de aprendizado de máquina para prever a gravidade das tempestades.

O primeiro passo para ensinar ao computador como categorizar as tempestades foi fornecer dados de quedas de energia. Três empresas finlandesas de energia, Järvi-Suomen Energia, Loiste Sähkoverkko, e Imatra Seudun Sähkönsiirto, que têm redes de energia na Finlândia central, sujeita a tempestades, forneceram dados sobre o número de interrupções de energia em suas redes. As tempestades foram classificadas em quatro classes. Uma tempestade de classe 0 não eliminou eletricidade para nenhum transformador de força. Uma tempestade classe 1 cortou até 10 por cento dos transformadores, uma classe 2 até 50 por cento, e uma tempestade classe 3 cortou a energia de mais de 50% dos transformadores.

A próxima etapa foi pegar os dados das tempestades que o FMI teve, e tornando mais fácil para o computador entender. "Usamos uma nova abordagem baseada em objetos para preparar os dados, o que torna este trabalho emocionante, "disse Roope." As tempestades são compostas de muitos elementos que podem indicar o quão prejudicial podem ser:área de superfície, velocidade do vento, temperatura e pressão, para nomear alguns. Ao agrupar 16 características diferentes de cada tempestade, conseguimos treinar o computador para reconhecer quando as tempestades causam danos. "

Os resultados foram promissores:o algoritmo era muito bom em prever quais tempestades seriam de classe 0 e não causariam danos, e quais tempestades seriam pelo menos uma classe 3 e causariam muitos danos. Os pesquisadores estão adicionando mais dados para tempestades ao modelo para ajudar a melhorar a capacidade de distinguir as tempestades das classes 1 e 2, para tornar as ferramentas de previsão ainda mais úteis para as empresas de energia.

"Nosso próximo passo é tentar refinar o modelo para que funcione em mais clima do que apenas tempestades de verão, "disse Roope, "como todos sabemos, pode haver grandes tempestades no inverno na Finlândia, mas eles funcionam de forma diferente para as tempestades de verão, por isso precisamos de métodos diferentes para prever seus danos potenciais. "