Улучшение моделирования ураганов с помощью машинного обучения, учитывающего физику

Исследователи из Городского университета Гонконга использовали машинное обучение для более точного моделирования ветрового поля в пограничном слое атмосферы тропических циклонов. Их работа, опубликованная в журнале Physics of Fluids, предлагает новый подход, который может значительно улучшить прогнозирование этих разрушительных явлений.

Традиционные методы прогноза, основанные на сложных численных симуляциях на суперкомпьютерах, часто дают неточные результаты. В отличие от них, новая модель использует передовую структуру физически информированного машинного обучения. Это позволяет ей с высокой точностью воссоздавать сложное поведение ветрового поля, используя лишь небольшой объем реальных данных. Как отметил автор Фэн Ху, гибкость модели и её способность интегрировать разреженные наблюдательные данные приводят к более точным и реалистичным реконструкциям.

Воссоздание ветрового поля даёт экспертам ценную информацию об интенсивности бури, её структуре и потенциальном воздействии на прибрежные регионы. С более детальной картиной этого поля органы по чрезвычайным ситуациям могут лучше подготовиться к удару стихии. «С увеличением частоты и интенсивности ураганов из-за изменения климата наша модель может значительно повысить точность прогнозов ветрового поля», — сказал Ху. Это поможет улучшить прогнозы погоды и оценку рисков, обеспечивая своевременные предупреждения и повышая устойчивость прибрежных сообществ.