Исследователи из MIT представили систему прогнозирования погоды с ИИ, которая улучшает прогнозы на срок от двух до шести недель. По данным опубликованной в журнале Nature работы, применение постобработки позволило вдвое повысить общую точность в этом сложном для метеорологии периоде.
Именно этот диапазон называют субсезонным прогнозированием. Он особенно важен для сельского хозяйства и энергетики, но обычные модели в нём часто теряют точность из-за множества медленно меняющихся и переменчивых атмосферных процессов.
Почему прогнозы на несколько недель так сложны
Современные прогнозы погоды редко остаются надёжными на срок более двух недель. Это ограничение связывают с теорией хаоса, которую в 1970-х годах развивал математик MIT Эдвард Лоренц: небольшие ошибки в исходных данных постепенно усиливаются и в итоге перекрывают полезный сигнал.
Климатолог MIT Джуда Коэн отмечает, что многие специалисты считают этот двухнедельный барьер практически непреодолимым. Динамические модели и системы на базе ИИ обычно начинают заметно хуже работать при попытке предсказать условия через две—шесть недель.
Проблему усложняют крупные и медленно развивающиеся климатические факторы, включая сильные явления El Niño. Из-за них субсезонный период иногда называют «пустыней предсказуемости».
Теория хаоса показывает, что даже системы с понятными закономерностями могут быстро становиться непредсказуемыми. Новая модель пытается обойти часть этих ограничений.Источник: Frank Ramspott via Getty Images
Как работает постобработка прогноза
Коэн и его коллега Лестер Маки несколько лет создавали систему, которая не только строит прогноз, но и анализирует собственные ошибки. Такой подход называется постобработкой: ИИ сопоставляет неточности с историческими данными и корректирует результат.
По словам Коэна, хотя атмосфера способна формировать бесконечное число состояний, на практике она нередко возвращается к повторяющимся схемам. Использование таких закономерностей и должно помочь модели там, где одних климатических средних недостаточно.
Команда направила в Европейский центр среднесрочных прогнозов погоды (ECMWF) три версии модели с постобработкой. ECMWF проводит сезонные соревнования моделей прогнозирования; как отмечают исследователи, их система стала первой заявкой с такой возможностью.
Результаты и возможное применение
Авторы работы сообщили, что на горизонте от двух до шести недель их метод удвоил общую точность прогноза по сравнению с существующими подходами. При этом конкретные показатели точности и условия сравнения в исходном материале не приводятся.
По оценке Коэна, система также улучшает прогнозирование экстремальных явлений — в том числе наводнений и периодов сильного холода. Такие прогнозы могут иметь особое практическое значение: ими уже пользуются фермеры и поставщики энергии, а предупреждения об опасной погоде потенциально помогают подготовиться к её последствиям.
Результат не отменяет фундаментальную неопределённость атмосферных процессов, но показывает, что прогнозы на несколько недель вперёд не обязательно должны ограничиваться климатическими средними. Насколько метод окажется устойчивым в разных регионах и для разных погодных сценариев, из исходных данных пока неясно.
Читайте так же:
- Исследователи удваивают скорость обучения ИИ, просто сокращая время простоя графического процессора
- Глава Microsoft предупредил, что продвинутый ИИ может сосредоточить богатство и экспертизу в руках лишь нескольких компаний
- Июньское обновление ColorOS 16 добавит футбольные карточки, живые обновления, умные напоминания и новые экосистемные функции
