Deze MIT AI kan stormen voorspellen die nog nooit hebben plaatsgevonden

Sophie Jansen · 2026-08-25

Stel je voor dat we weerextremen kunnen zien aankomen die nog nooit in de boeken hebben gestaan. Dat is precies waar onderzoekers van het MIT nu een doorbraak hebben bereikt. Ze hebben een AI-tool ontwikkeld die extreme weersomstandigheden kan voorspellen zonder ooit getraind te zijn op historische rampgegevens. Best wel een gedachte, hè? Kai Chang, een masterstudent werktuigbouwkunde, en professor Themis Sapsis staan achter deze innovatie. Hun tool genereert kaarten van gebeurtenissen die nog nooit in een regio zijn voorgekomen, maar statistisch gezien wel mogelijk zijn. Elke kaart geeft ook schattingen van de verwachte duur, intensiteit en het potentiële impactgebied. ### Het probleem met traditionele modellen De huidige risicomodellen werken eigenlijk best beperkt. Verzekeraars, stadsplanners en netbeheerders willen graag weten hoe een 'eens-in-de-eeuw-storm' eruit zou kunnen zien voor een specifieke locatie. Maar huidige simulaties leunen op datasets die al extreme gebeurtenissen bevatten. Chang legt het zo uit: "Deze methodes gaan ervan uit dat er zeer rampzalige gebeurtenissen zijn die we al in de dataset hebben gezien. Ze bouwen een methode om óf het risico van die gebeurtenissen te schatten, óf ze proberen precies de gebeurtenissen te voorspellen die al hebben plaatsgevonden." Sapsis maakt het concreet met Hurricane Katrina: "Een gebeurtenis zoals Katrina vindt elke 30 tot 40 jaar plaats. Maar wat wordt de Katrina die elke 100 jaar voorkomt? Hoe erg zal die zijn? Dat is precies wat we proberen te kwantificeren, om planners te helpen zich voor te bereiden op plausibele extreme scenario's." ### Hoe werkt deze nieuwe aanpak? Het algoritme combineert twee soorten data: - Puntsstatistieken: hoe vaak een bepaalde intensiteitsniveau voorkomt - Ruimtelijke kaarten: hoe de impact van een gebeurtenis varieert over een regio Door het statistische verband tussen deze twee te leren, kan het algoritme ruimtelijke patronen bouwen voor gebeurtenissen die verder gaan dan wat het ooit in trainingsdata heeft gezien. Zonder dat het daarvoor eerdere voorbeelden nodig heeft van die specifieke extremen. De onderzoekers testten hun aanpak op neerslaggegevens in de VS. Ze gebruikten 25 jaar aan uurlijkse regenvaldata, samengevoegd tot dagelijkse kaarten. Het bijzondere? Het ruimtelijke model werd getraind met kaarten uit slechts de eerste zes maanden van die 25 jaar – een periode met weinig of geen voorbeelden van de zwaarste regenval. ### Praktische toepassingen Neem New York City. De hoogste regenval ooit gemeten daar is 200 millimeter. Deze methode kan geloofwaardige kaarten genereren van een storm die 300 millimeter produceert – een niveau dat nog nooit is waargenomen. Een gebruiker kan het getrainde algoritme vragen om te laten zien hoe een eens-in-de-eeuw-storm eruit zou kunnen zien voor een bepaalde stad. De output bestaat uit kaarten die statistisch plausibele stormen op die frequentie tonen. Elke kaart heeft zijn eigen omvang, dekking en variërende regenintensiteit. Wat betekent dit voor Nederland? Voor een land dat voor een groot deel onder zeeniveau ligt en kwetsbaar is voor klimaatextremen, kan deze technologie een gamechanger zijn. Stel je voor dat we kunnen anticiperen op stormvloeden of extreme neerslag die buiten ons historisch geheugen vallen. Dat geeft gemeenten, waterschappen en infrastructuurbeheerders een veel krachtiger instrument om zich voor te bereiden. Het mooie is dat deze methode niet afhankelijk is van wat we al hebben meegemaakt. In een tijd van klimaatverandering, waar het verleden geen goede voorspeller meer is voor de toekomst, is dat precies wat we nodig hebben. Het is alsof je voor het eerst in de toekomst kunt kijken zonder door het raam van het verleden te turen. Chang en Sapsis publiceerden hun methode, genaamd Extreme Event Aware of η-learning, op 20 augustus in Nature Communications. Het werk komt uit de MIT Center for Computational Science and Engineering – een plek waar ze duidelijk niet bang zijn om buiten de gebaande paden te denken. Dus de volgende keer dat je hoort over een 'ongekende storm' of 'extreem weer dat niemand had zien aankomen', bedenk dan dat er nu een tool bestaat die dat misschien wel had kunnen doen. En dat is niet zomaar een stap vooruit – het is een sprong naar een veiligere toekomst voor ons allemaal.