ИИ-модель SICNetseason смогла точнее предсказывать таяние льдов в Арктике

Учёные из Китайской академии наук создали ИИ-модель SICNetseason, призванную улучшить качество сезонных прогнозов арктического ледяного покрова. Основанная на архитектуре Swin-Transformer, эта модель способна преодолеть так называемый "барьер предсказуемости в весенний период", который представляет собой сложность в прогнозировании объёма арктического льда в сентябре, опираясь на данные весенних месяцев.

SICNetseason принимает во внимание комплексные и нелинейные взаимосвязи между изменениями ледяного покрова весной и его состоянием осенью, проводя анализ как локальных, так и глобальных зависимостей. Экспериментальные результаты показывают, что использование информации за апрель и май позволяет поднять точность прогнозов на 7–10%, а точность определения границ распространения льда — больше, чем на 14%, в сравнении с традиционными методами.

Ключевым фактором, оказывающим влияние на точность предсказаний, стала толщина льда весной: её учёт поднимает эффективность модели более, чем на 20%. Новая разработка способна внести существенный вклад в оценку климатических рисков и планирование судоходства в Арктике.