2740
Штучний інтелект допоміг метеорологам удвічі точніше оцінювати погоду на горизонті від двох до шести тижнів. Метод не замінює звичні прогностичні моделі, а вчиться виправляти їхні помилки, щоб завчасно помічати, зокрема, ймовірність екстремальних явищ.
Модель навчається на помилках прогнозу
Дослідники з Массачусетського технологічного інституту розробили систему машинного навчання, яка аналізує, де саме помилялися попередні прогнози, і коригує результат. Вона працює як додатковий шар над наявною моделлю. Це означає, що напрацьовані прогностичні системи залишаються в роботі, а новий алгоритм доповнює їх.
Ключова відмінність полягає в тому, що система не розраховує атмосферу з нуля. Вона знаходить закономірності в історичних даних і враховує їх у нових оцінках, тобто вчиться на тому, де базовий прогноз вже відхилявся від реальності.
Команда перевірила підхід на прогнозах Європейського центру середньострокових прогнозів погоди. Комбінація моделей із коригувальним алгоритмом посіла перше місце в міжнародному конкурсі цього центру. На горизонті двох–шести тижнів вона приблизно вдвічі підвищила прогнозну силу базової системи.
Довший горизонт для енергетиків і фермерів
Проміжок у кілька тижнів називають субсезонним прогнозуванням. Для нього недостатньо знати сьогоднішню температуру чи напрямок вітру, адже моделі оцінюють імовірність сценаріїв для великих територій і тривалих періодів. Тому йдеться не про точну обіцянку дощу в конкретному місті у визначений день, а про надійніше розуміння тенденцій.
Такі оцінки можуть допомогти енергетичним компаніям планувати запаси палива та балансувати виробництво. Аграрії могли б готуватися до періодів спеки чи холоду, а служби реагування — завчасно перевіряти плани на випадок негоди. Автори також зафіксували статистично значуще покращення прогнозування екстремальних явищ, зокрема холодних хвиль і повеней.
Результат не означає, що синоптики тепер зможуть точно сказати, якою буде погода в кожній точці через шість тижнів. Система формує ймовірнісні прогнози, які показують можливі сценарії та їхню вірогідність. Точність залежить від нових даних, а самі розрахунки можна оновлювати в міру появи свіжих спостережень.
Раніше корекція прогнозів могла згладжувати крайні значення. За даними MIT, новий метод покращив оцінювання і звичайних умов, і небезпечних явищ. Саме тому підхід цікавий не лише для точності середніх значень, а й для завчасного попередження про складні ситуації.
Джерело: psm7.com
