Получение времени без потери точности при прогнозировании штормовых нагонов, вызванных тайфунами

Исследователи RIKEN разработали метод глубокого обучения, способный точно предсказывать разрушительную силу штормовых нагонов, вызываемых тайфунами на побережьях, за доли времени, требуемого традиционным моделям. Это обещает выиграть драгоценное время для жителей прибрежных регионов без ущерба для точности.

Штормовые нагоны представляют собой подъем уровня моря выше нормы из-за сильного ветра и низкого давления в центре тайфуна, приводя к затоплению низменных территорий. В настоящее время для прогноза полей ветра и давления, необходимых для моделирования нагонов, используются параметрические модели (быстрые, но менее точные) и модели численного прогноза погоды (NWP), которые точнее, но требуют значительно больше времени и вычислительных ресурсов.

Целью работы было создание модели, столь же эффективной, как параметрические, и столь же точной, как NWP-модели. Исследователи применили глубокое обучение для преобразования результатов параметрической модели в реалистичные поля ветра и давления за считанные секунды на обычном настольном компьютере, которые затем используются для расчета воздействия на море. Этот подход был выбран, поскольку расчет атмосферных условий гораздо более требователен, чем водных.

Как отмечает Иян Мулия из Лаборатории прогнозных наук RIKEN, модель глубокого обучения демонстрирует сопоставимую с NWP-моделями точность при значительно меньших вычислительных затратах. Она успешно улавливает, например, топографическое влияние на ветер, что сложно достичь стандартными параметрическими моделями. Результаты исследования опубликованы в журнале Scientific Reports.

Перед внедрением метода в оперативные системы прогнозирования необходимы дополнительные испытания на более обширных наборах данных. Команда уже применяет тот же подход в других областях, таких как экология и инженерия.