Ett datorprogram som använder artificiell intelligens för att sortera igenom historiska meteorologiska data utvecklas för att hjälpa till att förutsäga var och när framtida skogsbränder kommer att inträffa så att de kan förhindras.

University of Alberta vildmarksbrandexpert Mike Flannigan, som också är chef för Canada Wildfire, arbetar med Ryan Lagerquist, en Ph.D. student vid University of Oklahoma's School of Meteorology, för att skapa programmet.

Den använder en form av maskininlärning som kallas ett artificiellt neuralt nätverk för att sortera igenom data, som är förknippad med högintensiva skogsbränder, och förutsäga var extremt väder är mest sannolikt att skapa förutsättningar för en skogsbrand.

Forskare matar systemdata och det gör förutsägelser baserade på sannolikhet. Sedan berättar forskare för systemet om det har fattat rätt beslut. Om det är fel, systemet ändrar sitt tillvägagångssätt och försöker igen.

Det är ett exempel på något AI kan göra mycket bättre och snabbare än människor, på grund av de enorma mängder data som är involverade och förmågan att hitta meningsfulla mönster i datan.

När man tittar noga på all tillgänglig data, inklusive trycknivåer, ger forskarna en mer fullständig bild.

"Det är mer exakt än att bara använda traditionella nederbördsmönster, sa Flannigan.

Brandväder prognostiseras traditionellt med nederbörd, temperatur, vindar och relativ fuktighet, men den här nya algoritmen innehåller tryckfält för att mer exakt förutsäga brandvänligt väder. Högtryckssystem är förknippade med varma, torrt väder och lågtryckssystem indikerar svalare, våta förhållanden.

Programmet kommer att bygga på Kanadas nuvarande system för förebyggande av skogsbränder, sa Flannigan, och tillägger att han hoppas att den ska vara klar att användas inom fem år. Genom att mer exakt förutsäga vädret längre ut, AI kan hjälpa till att skydda kanadensares liv och spara samhällen miljontals dollar.