Les scientifiques du MIT trouvent un moyen de faire des prévisions plus précises
Les chercheurs du Massachusetts Institute of Technology (MIT) ont développé une nouvelle méthode d’évaluation des prévisions spatiales qui pourrait améliorer significativement la précision des prévisions dans divers domaines – de la météo à l’évaluation de la pollution atmosphérique.
L’équipe de scientifiques a découvert que les méthodes traditionnelles de validation peuvent produire des erreurs graves lors de la résolution de problèmes de prévision spatiale. Comme l’explique Tamara Broderick, professeure associée en génie électrique et informatique au MIT, le problème réside dans des hypothèses incorrectes sur la nature des données.
Les méthodes classiques supposent que les données de validation et de test sont indépendantes et identiquement distribuées. Cependant, ce n’est souvent pas le cas dans les problèmes spatiaux. Par exemple, les capteurs de pollution atmosphérique de l’EPA sont placés en tenant compte de l’emplacement des autres capteurs, et les données des zones urbaines et rurales peuvent avoir des caractéristiques statistiques différentes.
La nouvelle méthode du MIT est basée sur l’hypothèse de changements de données progressifs dans l’espace. « Les niveaux de pollution atmosphérique ne sont pas susceptibles de changer dramatiquement entre deux maisons voisines, » explique Broderick. Cette approche s’est révélée plus précise dans la plupart des expériences, y compris la prévision de la vitesse du vent à l’aéroport O’Hare de Chicago et la température de l’air dans cinq métropoles américaines.
La technologie peut trouver une large application dans divers domaines :
- Climatologie (prévision de la température de surface de la mer)
- Épidémiologie (évaluation de l’impact de la pollution atmosphérique sur les maladies)
- Météorologie (prévisions météorologiques)
- Surveillance environnementale
La recherche, soutenue par la National Science Foundation et l’Office of Naval Research, sera présentée à la Conférence internationale sur l’intelligence artificielle et les statistiques.
