Метод искусственного интеллекта повышает точность прогнозирования быстрой интенсификации тропических циклонов

Исследователи из Института океанологии Китайской академии наук (IOCAS) разработали новую модель прогнозирования быстрой интенсификации (РИ) тропических циклонов (ТЦ) на основе метода контрастного обучения. Результаты работы, опубликованные в Proceedings of the National Academy of Sciences 21 января, показывают значительное повышение точности прогнозов.

Новая модель, использующая спутниковые снимки, а также атмосферные и океанические данные, сравнивает неизвестный прогнозируемый образец с известными случаями РИ. При тестировании на данных по северо-западной части Тихого океана за 2020–2021 годы метод продемонстрировал точность 92,3% и снизил количество ложных тревог до 8,9%. По сравнению с существующими методами это улучшило точность на 12% и в три раза сократило ложные срабатывания.

Прогнозирование РИ — увеличения скорости ветра не менее чем на 13 м/с за 24 часа — является крайне сложной задачей из-за непредсказуемости и разрушительности этого явления. Хотя РИ подвержены лишь около 5% всех ТЦ, их внезапное усиление создаёт серьёзные риски для прибрежных регионов. Предложенный метод, протестированный также в режиме, имитирующем оперативное прогнозирование с использованием данных модели ECMWF-IFS, подтвердил свою надёжность и пригодность для работы в реальном времени, что может значительно улучшить системы раннего предупреждения.

«Наше исследование решает проблемы низкой точности и высокого уровня ложных тревог в прогнозировании быстрой интенсификации циклонов, — отметил профессор Ли Сяофэн, ведущий автор работы. — Этот метод углубляет понимание этих экстремальных событий и помогает лучше противостоять их разрушительным последствиям».