HURRI-GAN: KI-basierte Bias‑Korrektur für Hurrikane ohne Messstationen

In den Küstenregionen Ost- und Südstaaten der USA verursachen schwere Sturmereignisse erhebliche Verluste von Menschenleben und Eigentum. Eine präzise Vorhersage von Sturmfluten und Windkraft ist entscheidend, um Evakuierungen und andere Gegenmaßnahmen rechtzeitig einzuleiten.

Traditionelle physikalische Simulationsmodelle wie ADCIRC liefern zunehmend genaue Prognosen, sobald die Rechen­mesh‑Auflösung verbessert wird. Der Nachteil ist jedoch die enorme Rechenzeit, die bei sehr hohen Auflösungen erforderlich ist – ein Zeitrahmen, der für Notfallreaktoren oft zu lang ist.

HURRI‑GAN bietet einen neuartigen Ansatz, der die Ergebnisse dieser Modelle mit TimeGAN, einer generativen adversarialen Netzwerk‑Technologie, ergänzt. Durch die Korrektur systematischer Fehler des physikalischen Modells kann die Mesh‑Größe reduziert und die Laufzeit verkürzt werden, ohne die Genauigkeit der Vorhersage zu beeinträchtigen.

Erste Tests zeigen, dass HURRI‑GAN Bias‑Korrekturen zuverlässig an Standorten erzeugt, die weit außerhalb der Messstationen liegen. Die niedrigen RMSE‑Werte belegen die hohe Genauigkeit der extrapolierten Daten und eröffnen damit neue Möglichkeiten für Echtzeit‑Hurrikan‑Warnungen.