MIT улучшил точность прогнозов погоды на 2-6 недель в два раза
Команда Массачусетского технологического института совместно с коллегами разработала новый метод, который повышает точность прогнозов погоды на срок от двух до шести недель. Основой данного метода является модель машинного обучения, способная исправлять ошибки существующих систем прогнозирования. Данную информацию сообщает портал ProGorodNSK.ru.
При тестировании на одной из наиболее авторитетных моделей точность предсказаний увеличилась в два раза. Эта разработка заняла первое место на международном конкурсе, а результаты были опубликованы в журнале Nature.
Авторы исследования продемонстрировали, что прогнозы на такой срок впервые превзошли средние климатические значения. Более того, метод значительно улучшил предсказания экстремальных погодных явлений, таких как наводнения и сильные морозы.
Необходимость в более дальних прогнозах стала очевидной после энергетического кризиса в Техасе в феврале 2021 года, когда три мощных зимних шторма привели к крупнейшему сбою в энергетической инфраструктуре штата. Это вызвало перебои с продовольствием, водой, отоплением и электричеством, в результате чего погибли не менее 246 человек. Научный сотрудник MIT и соавтор работы Джуда Коэн подчеркнул, что дополнительные две недели предсказания могли бы дать энергетикам время для доставки большего объема природного газа в пострадавшие районы.
Диапазон от двух до шести недель метеорологи называют пустыней предсказуемости. Краткосрочные модели основываются на начальных параметрах атмосферы, долгосрочные учитывают медленно меняющиеся факторы, а промежуточный диапазон не использует в полной мере ни те, ни другие данные. Теоретический предел в две недели связан с концепциями профессора MIT Эдварда Лоренца о хаотичности атмосферы: со временем даже небольшие различия в начальных условиях могут привести к совершенно различным результатам.
Новая система функционирует как дополнительный слой обработки. Она анализирует исторические ошибки прогнозирующей модели, оценивает их и корректирует последующие расчеты, а по мере накопления данных адаптирует исправления. Обучение проводилось на суперкомпьютерном кластере MIT Engaging, однако готовая модель не требует суперкомпьютера.
В испытаниях Европейского центра среднесрочных прогнозов погоды команда представила три варианта системы. Победила комбинация, в которой модель центра объединена с другой моделью и последующей коррекцией ошибок. Наземные прогнозы были проверены в большинстве регионов мира и применены к нескольким моделям, включая уступающие по качеству разработке Европейского центра. Во всех случаях дополнительный слой улучшал результаты.
Технология распространяется с открытым исходным кодом и требует небольших затрат. Метеорологическая служба Кении уже обратилась к исследователям с просьбой использовать модель для прогноза ежегодного сезона муссонов и повышения урожайности. Среди потенциальных сфер применения также сельское хозяйство, энергетика и управление чрезвычайными ситуациями.
