Модель машинного обучения помогает синоптикам повысить уверенность в прогнозе штормов

Исследователи из Университета штата Колорадо разработали мощный новый инструмент для прогнозирования опасных явлений, который повышает уверенность синоптиков в среднесрочных прогнозах. Модель машинного обучения CSU-MLP (Colorado State University-Machine Learning Probabilities) способна с высокой точностью предсказывать такие события, как торнадо и град, за 4–8 дней, что является критически важным временным промежутком для предупреждения населения.

Разработка, возглавляемая профессором Рассом Шумахером и исследователем Аароном Хиллом, уже используется в оперативной работе Национального центра прогнозирования штормов (Storm Prediction Center) в Нормане, Оклахома. Модель не заменяет экспертов-синоптиков, а служит объективным инструментом, повышающим уверенность при принятии решения о выпуске публичных предупреждений. Как отметил Израэль Джирак из центра, это «очень успешный проект по внедрению исследований в оперативную практику».

Модель обучена на обширном массиве данных, включающем около девяти лет детальных исторических наблюдений за погодой на территории континентальной части США, объединенных с метеорологическими ретроспективными прогнозами. Она анализирует текущие факторы окружающей среды, такие как температура и ветер, и выдает вероятность возникновения опасных явлений. Сейчас команда, включая аспирантку Элли Мазюрек, работает над тем, чтобы сделать алгоритм предсказаний модели более понятным и интерпретируемым для синоптиков.