Bayesian Convolutional Neural Network (BCNN) என அறியப்படும் புதிய தயாரிப்பு, செயற்கை நுண்ணறிவு (AI) போன்ற சமீபத்திய தொழில்நுட்பங்களைப் பயன்படுத்துகிறது.
ஹைதராபாத்தில் உள்ள இந்திய தேசிய கடல் தகவல் சேவைகள் மையம் (Indian National Centre for Ocean Information Services (INCOIS)), பேய்சியன் கன்வல்யூஷனல் நியூரல் நெட்வொர்க் (BCNN) என்ற புதிய தயாரிப்பை உருவாக்கியுள்ளது. இந்த தயாரிப்பு செயற்கை நுண்ணறிவைப் (AI) பயன்படுத்துகிறது மற்றும் 15 மாதங்கள் வரை எல் நினோ மற்றும் லா நினா நிலைமைகளை முன்னறிவிக்கிறது.
எல் நினோ தெற்கு அலைவு (El Niño Southern Oscillation (ENSO)) என்பது வளிமண்டல ஏற்ற இறக்கங்களுடன் மத்திய மற்றும் கிழக்கு வெப்பமண்டல பசிபிக் பெருங்கடலில் கடல் வெப்பநிலையில் ஏற்படும் மாற்றங்களை உள்ளடக்கிய ஒரு காலநிலை நிகழ்வு ஆகும். இது வளிமண்டலச் சுழற்சியை பாதிப்பதன் மூலம் உலகளாவிய வானிலை முறைகளை பாதிக்கலாம்.
எல் நினோ தெற்கு அலைவு (ENSO) 2 முதல் 7 ஆண்டுகள் வரை மாறுபடும் சுழற்சிகளில் இயங்குகிறது மற்றும் சூடான (எல் நினோ), குளிர் (லா நினா) மற்றும் நடுநிலை போன்ற மூன்று கட்டங்களை உள்ளடக்கியது. நடுநிலைக் கட்டத்தில், தென் அமெரிக்காவின் வடமேற்கு கடற்கரைக்கு அருகிலுள்ள கிழக்கு பசிபிக் பெருங்கடல் பிலிப்பைன்ஸ் மற்றும் இந்தோனேசியாவுக்கு அருகிலுள்ள மேற்கு பசிபிக் விட குளிர்ச்சியாக இருக்கும். இந்த வெப்பநிலை வேறுபாடு அங்கு நிலவும் காற்றின் சுழற்சிகளால் ஏற்படுகிறது.
பசிபிக் பெருங்கடலில், சூடான மேற்பரப்பு நீர் கிழக்கிலிருந்து மேற்காக நகர்ந்து, இந்தோனேசிய கடற்கரையை நோக்கி தள்ளுகிறது. இடம்பெயர்ந்த வெதுவெதுப்பான நீரின் இடத்தை எடுக்க கீழிருந்து குளிர்ந்த நீர் மேலே எழும்புகிறது.
எல் நினோவின் போது, காற்று பலவீனமடைகிறது, இதனால் சூடான நீரின் இயக்கம் குறைகிறது. இது பசிபிக் கிழக்குப் பகுதியில் இயல்பைவிட வெப்பமான நிலைமைகளுக்கு வழிவகுக்கிறது. இதற்கு நேர்மாறாக, லா நினா எதிர் விளைவைக் கொண்டு வருகிறது.
இந்தியாவில், எல் நினோ பொதுவாக பலவீனமான பருவமழை மற்றும் தீவிர வெப்ப அலைகளை விளைவிக்கும், அதே நேரத்தில் லா நினா வலுவான பருவமழையைக் கொண்டுவருகிறது.
பேய்சியன் கன்வல்யூஷனல் நியூரல் நெட்வொர்க் (BCNN) எனப்படும் புதிய முன்கணிப்புக் கருவி El Niño மற்றும் La Niña தொடர்பான கணிப்புகளை மேம்படுத்த செயறகை நுண்ணறிவு (AI), ஆழ்ந்த கற்றல் மற்றும் இயந்திர கற்றல் ஆகியவற்றைப் பயன்படுத்துகிறது. இது கடல் மாறுபாடுகள் மற்றும் அவற்றின் வளிமண்டல தொடர்புகளை நம்பியுள்ளது. நினோ-3.4 குறியீட்டின் அடிப்படையில் ஆரம்ப கணிப்புகளை வழங்குகிறது. கடல் மேற்பரப்பு வெப்பநிலை ஒழுங்கின்மையை சராசரியாகக் கொண்டு குறியீட்டு மதிப்பு கணக்கிடப்படுகிறது. இந்த ஒழுங்கின்மை மத்திய பூமத்திய ரேகை பசிபிக் பகுதியில் 5 டிகிரி வடக்கு மற்றும் 5 டிகிரி தெற்கிலும், 170 டிகிரி மேற்கிலிருந்து 120 டிகிரி மேற்கு வரையிலும் அளவிடப்படுகிறது.
முன்னறிவிப்புக்கு முக்கியமாக இரண்டு வகையான வானிலை மாதிரிகள் பயன்படுத்தப்படுகின்றன. ஒரு வகை புள்ளிவிவர மாதிரி. இது பல்வேறு நாடுகள் மற்றும் பிராந்தியங்களின் தகவல்களைப் பயன்படுத்தி முன்னறிவிப்புகளைச் செய்கிறது. மற்றொன்று டைனமிக் மாதிரியாகும். இது உயர் செயல்திறன் கணினிகளைப் (High Performance Computers (HPC)) பயன்படுத்தி செய்யப்படும் வளிமண்டலத்தின் 3D கணித உருவகப்படுத்துதலை உள்ளடக்கியது. புள்ளியியல் மாதிரியை விட, டைனமிக் மாதிரி மிகவும் துல்லியமானது.
பேய்சியன் கன்வல்யூஷனல் நியூரல் நெட்வொர்க் (BCNN) செயற்கை நுண்ணறிவு (AI) உடன் டைனமிக் மாதிரியை ஒருங்கிணைக்கிறது. எல் நினோ மற்றும் லா நினா நிலைமைகளின் கணிப்புகளை 15 மாதங்களுக்கு முன்பே செயல்படுத்துகிறது. பொதுவாக ஆறு முதல் ஒன்பது மாதங்கள் முன்னோக்கி கணிக்கக்கூடிய மற்ற மாதிரிகளிலிருந்து வேறுபடுகிறது.
எல் நினோ மற்றும் லா நினா கணிப்புகளுக்கு ஆழ்ந்த கற்றலைப் பயன்படுத்துவதில் ஒரு சவால் கிடைக்கக்கூடிய வரையறுக்கப்பட்ட வரலாற்று கடல் தரவு ஆகும். உலகளாவிய கடல் வெப்பநிலை பதிவுகள் 1871 முதல் மட்டுமே அணுகக்கூடியவை. இன்றுவரை 150-க்கும் குறைவான மாதாந்திர மாதிரிகளை வழங்குகின்றன. இது கணிப்பு துல்லியத்தை பாதிக்கிறது.
பயிற்சிக்கான தரவுத்தொகுப்பை மேம்படுத்துவதற்காக 1850 முதல் 2014 வரையிலான வரலாற்று ஓட்டங்களிலிருந்து காலநிலை மாதிரி இடை ஒப்பீடு திட்டம் (CMIP) 5 மற்றும் 6 ஆகியவற்றிலிருந்து தரவைச் சேர்ப்பதன் மூலம் இந்திய தேசிய கடல் தகவல் சேவைகள் மையம் (INCOIS) குழு சிக்கலைத் தீர்த்தது. காலநிலை மாதிரி இடை ஒப்பீடு திட்டம் (CMIP) என்பது காலநிலை வல்லுநர்கள் கடந்த கால காலநிலைகளைப் படிப்பதற்கும் எதிர்கால காலநிலை நிலைமைகளை கணிப்பதற்கும் வெவ்வேறு காட்சிகளை உருவகப்படுத்தும் ஒரு கட்டமைப்பாகும்.
பேய்சியன் கன்வல்யூஷனல் நியூரல் நெட்வொர்க் (BCNN) மாதிரி உருவாக்க எட்டு மாதங்கள் ஆனது மற்றும் பல சோதனை கட்டங்களுக்கு உட்படுத்தப்பட்டது.
ஜூன் 5 தேதிப் படி, லா நினா நிலைமைகள் ஜூலை முதல் செப்டம்பர் வரை 70-90% நிகழ்தகவுடன் உருவாகி பிப்ரவரி 2025 வரை நீடிக்கும் என்று எதிர்பார்க்கப்படுகிறது.