Прогнозист на основе ИИ: машинное обучение вступает в дело прогноза погоды

Исследователи разработали новую систему прогнозирования погоды на срок от 2 до 6 недель, используя сверточную нейронную сеть. Модель под названием Deep Learning Weather Prediction (DLWP) обучалась на исторических погодных данных, в отличие от традиционных численных моделей, основанных на математическом описании физических законов.

Долгосрочные прогнозы в диапазоне от 2 недель до 2 месяцев имеют критическое значение для управления водными ресурсами, энергопотреблением и подготовкой к стихийным бедствиям, однако их точность в настоящее время ограничена. Сравнение показало, что стандартные численные модели превосходят DLWP на более коротких сроках (2–3 недели), но на горизонте 4–6 недель результаты машинного обучения оказались сопоставимы.

Хотя модель DLWP пока не превосходит существующие аналоги и не прогнозирует осадки, она демонстрирует значительный потенциал. Её ключевые преимущества — высокая вычислительная эффективность (расчёт ансамбля из 320 прогнозов занимает всего 3 секунды) и способность успешно работать в тропиках и в весенне-летний период, где традиционные модели часто дают сбой. В качестве примера система точно восстановила прогноз на 4,5 дня для урагана «Ирма» 2017 года, используя только данные об общем содержании водяного пара в атмосфере.