DEEP WEATHER NET

Numerische Wettermodelle berechnen den zukünftigen Zustand der Atmosphäre zu bestimmten Zeitpunkten, indem sie den auf Basis von Messungen und Sonden-Aufstiegen ermittelten Ist-Zustand durch Lösen von komplexen, extrem rechenintensiven und nichtlinearen physikalischen Gleichungssystemen für spätere Zeitpunkte prognostizieren. Während großflächige Trends hierbei mittelfristig gut prognostiziert werden können, haben die aktuellen Verfahren noch einige Schwächen für die lokale Wettervorhersage. Zum einen werden die Wetterprognosen nur in sehr groben Rastern von mehreren km berechnet. Zum anderen waren viele Messwerte bisher nicht meter- und minutengenau verfügbar. Hier setzt das vorliegende Projekt mit der Entwicklung einer meter- und minutengenauen Wettervorhersage an. Hierbei werden moderne KI-Verfahren auf Basis von hochaufgelösten lokalen Wetterdaten aus dem Internet-of-Things für die Wettervorhersage entwickelt. Der innovative Lösungsansatz besteht dabei in der dynamischen Interpolation bestehender Wettermodelle mittels Regression durch künstliche neuronale Netze und Verifikation durch die hochaufgelösten lokalen Daten.