Использование машинного обучения для улучшения субсезонного климатического прогнозирования

Исследователи из Массачусетского технологического института (MIT) под руководством Иуды Коэна и Эрнеста Френкеля заняли первое место в трех из четырех категорий прогнозирования температуры в конкурсе Sub-Seasonal Climate Forecast Rodeo, организованном NOAA (Национальным управлением океанических и атмосферных исследований США) при спонсорской поддержке Бюро мелиорации США. Их модель превзошла оперативную долгосрочную прогностическую модель, используемую правительством США.

Целью конкурса было создание модели, способной предоставлять прогнозы температуры и осадков на 2–6 недель вперед для западной части США, что критически важно для управления водными ресурсами, подготовки к засухам и лесным пожарам. Команда MIT, в которую также вошли исследователи из Стэнфорда и Microsoft, объединила методы машинного обучения с распознаванием исторических погодных паттернов. Это позволило значительно расширить горизонт точного прогнозирования по сравнению с традиционными физическими моделями, которые эффективны лишь на 7–10 дней.

«Мы использовали доступность обширных метеорологических архивов и методы высокопроизводительных вычислений, чтобы объединить физические и статистические подходы машинного обучения и расширить горизонт точного прогноза с дней до недель», — пояснил Иуда Коэн. По его словам, эта модель демонстрирует потенциал для скачка в процессе прогнозирования, обеспечивая большую точность при меньших затратах, и в планах — ее расширение на всю территорию США.