Искусственный интеллект повышает точность пятидневного регионального прогноза погоды

Исследователи из Северо-западного политехнического университета в Китае представили новую систему на основе глубокого обучения, которая значительно повышает точность прогнозов погоды на 1–5 дней для конкретных регионов, даже при ограниченном объёме исторических данных. Традиционные численные модели часто испытывают трудности в таких условиях.

Чтобы решить ключевые проблемы регионального прогнозирования, команда разработала метод, объединяющий три основные инновации: использование моделей семантической сегментации, изначально созданных для анализа медицинских изображений; механизм обучаемого гауссовского шума для повышения устойчивости модели; и каскадную стратегию прогнозирования, разбивающую задачу на управляемые этапы. Исследование опубликовано в журнале Atmospheric and Oceanic Science Letters.

Метод был протестирован на наборе данных конкурса East China Regional AI Medium Range Weather Forecasting Competition, включающем 10 лет реанализов ERA5. Задача заключалась в прогнозировании пяти ключевых показателей погоды на поверхности (температура, ветер, осадки) каждые 6 часов на следующие 5 дней. Результаты показали значительное улучшение: модель снизила ошибки прогноза температуры на 9,3%, повысила F1-оценку для осадков на 6,8% и уменьшила ошибки скорости ветра на 12,5%.

«Наша цель — сделать региональное прогнозирование умнее, быстрее и надёжнее, даже в условиях дефицита данных, — говорит доцент Конци Цао, автор-корреспондент исследования. — Это особенно ценно для районов, где нет плотной сети метеорологических наблюдений». В будущем команда планирует адаптировать метод для систем реального времени и применить его в других регионах Китая.