Variable Klimasimulationen mit Deep Learning

2023 | Geo- und Raumwissenschaften | Hessen

Teilnehmende

  • Lilly Schwarz (15), Fritzlar
    SchülerForschungsZentrum Nordhessen der Universität Kassel

Preise

  • 5. Preis Geo- und Raumwissenschaften Preisstifter: stern

Projekt

KI-Prognosetool

Variable Klimasimulationen mit Deep Learning

Bei neuronalen Netzen handelt es sich um Programme, die anhand vorhandener Daten selbstständig lernen. Sie sind ein Zweig der künstlichen Intelligenz. Lilly Schwarz schrieb eine Simulation in der Programmiersprache Python, die das Weltklima vorausberechnet, nachdem es mit historischen Daten der vergangenen Jahrhunderte trainiert wurde. Basis der Algorithmen ist die globale Strahlungsbilanz, die sich durch Treibhausgase wie CO2 verändert. Das System prognostiziert abhängig von den angenommenen CO2-Werten die globalen Temperaturen oder auch das Niveau des Meeresspiegels. Die Ergebnisse stimmen recht gut mit den Simulationen des Weltklimarats IPCC überein, wobei die Jungforscherin darauf verweist, dass ihr System ohne viel Aufwand flexibel an veränderte CO2-Emissionen angepasst werden kann.

 

  •  2 Klicks für mehr Datenschutz: Erst wenn Sie den Schalter aktivieren, wird der Button aktiv und Sie können Ihre Empfehlung an ShareNetwork senden. Schon beim Aktivieren werden Daten an Dritte übertragen.
  •  
  •  
  •  
  • Zum Seitenanfang

Cookie-Einstellungen

Wir nutzen Cookies, um Ihnen die bestmögliche Nutzung unserer Webseite zu ermöglichen und unsere Kommunikation mit Ihnen zu verbessern. Wir berücksichtigen Ihre Auswahl und verwenden nur die Daten, für die Sie uns Ihr Einverständnis geben.

Diese Cookies helfen dabei, unsere Webseite nutzbar zu machen, indem sie Grundfunktionen wie Seitennavigation und Zugriffe auf sichere Bereiche ermöglichen. Unsere Webseite kann ohne diese Cookies nicht richtig funktionieren.

Diese Cookies helfen uns zu verstehen, wie Besucher mit unserer Webseite interagieren, indem Informationen anonym gesammelt werden. Mit diesen Informationen können wir unser Angebot laufend verbessern.