Искусственный интеллект улучшает прогнозы муссонных осадков

Новый метод прогнозирования на основе машинного обучения позволяет точнее предсказывать осадки Южноазиатского муссона за 10–30 дней. Это значительное улучшение по сравнению с современными прогнозами, основанными на численном моделировании. Исследование, проведенное под руководством Эвиатара Баха из Калифорнийского технологического института, опубликовано в Proceedings of the National Academy of Sciences.

Точный прогноз муссонных осадков критически важен для сельского хозяйства и городского планирования, затрагивая более миллиарда человек в Индийском субконтиненте. Предсказание чередующихся влажных и сухих периодов (внутрисезонных колебаний муссона, MISO) на промежутке от двух недель до месяца ранее было сложной задачей из-за хаотической природы атмосферных процессов.

Ученые дополнили современные численные модели машинным обучением для анализа данных о колебаниях MISO. Этот гибридный подход позволил повысить корреляцию прогнозов с наблюдениями до 70% на труднопрогнозируемом масштабе 2–4 недели. Как отметил Эвиатар Бах, комбинация машинного обучения и традиционного численного моделирования дает точные результаты и важна для адаптации к изменению климата.