ИИ научился улучшать прогнозы погоды на месяц вперед, исправляя ошибки метеомоделей
Международная группа исследователей разработала метод машинного обучения, позволяющий существенно повысить точность долгосрочных прогнозов погоды. Новая система не заменяет существующие метеорологические модели, а исправляет их систематические ошибки, особенно заметные при прогнозировании на несколько недель вперед. Результаты исследования опубликованы в журнале Nature.
Современные метеорологические модели достаточно успешно предсказывают погоду на ближайшие дни, но после двух недель точность прогнозов резко снижается. Причина заключается в хаотическом характере атмосферных процессов: даже небольшие ошибки в исходных данных со временем накапливаются и приводят к значительным расхождениям между расчетами и реальными условиями.
Предложенный учеными метод получил название Probabilistic Bias Correction (PBC) – вероятностная коррекция систематических ошибок. Искусственный интеллект анализирует прежние прогнозы и фактические метеорологические наблюдения, выявляет устойчивые закономерности ошибок и корректирует вероятности различных погодных сценариев. Такая система может работать как с традиционными физическими моделями, так и с прогнозами, уже полученными с помощью ИИ.
При испытаниях на прогнозах Европейского центра среднесрочных прогнозов погоды (ECMWF) новая технология улучшила результаты для температуры, атмосферного давления и осадков. По сравнению с уже применяемой коррекцией метеомоделей улучшение прогнозов осадков было зарегистрировано для 98% исследованных участков глобальной расчетной сетки. Применение метода к одной из моделей ИИ примерно удвоило ее средний показатель качества вероятностного прогноза на третью и четвертую недели.
Разработчики подчеркивают, что речь не идет о возможности точно предсказать погоду в конкретном городе на определенный час через месяц. Система улучшает вероятностные оценки средних температур, количества осадков и атмосферного давления на длительных интервалах. Такие прогнозы особенно важны для сельского хозяйства, энергетики, управления водными ресурсами и подготовки к экстремальным погодным явлениям.