Исследователи используют спутниковые данные и машинное обучение для прогнозирования интенсивности тайфунов

Группа исследователей под руководством профессора Чунхо Има из Университета науки и технологий Ульсана представила модель прогнозирования на основе глубокого обучения, которая в реальном времени объединяет данные геостационарных метеоспутников и численных моделей. Результаты опубликованы в журналах GIScience & Remote Sensing и iScience в марте и июне 2024 года соответственно.

Предложенная модель Hybrid-Convolutional Neural Networks (Hybrid-CNN) эффективно сочетает пространственные характеристики, полученные со спутников, и выходные данные численных моделей прогнозирования. Это позволяет объективно и точно прогнозировать интенсивность тропических циклонов (ТЦ) с заблаговременностью в 24, 48 и 72 часа. Модель демонстрирует значительное снижение неопределённости, присущей численным моделям, что позволяет повысить точность прогнозов. Для обучения модели использовались спутниковые данные с аппаратов COMS (запущен в 2010 году) и GEO-KOMPSAT-2A (GK2A, запущен в 2019 году).

Эта технология позволит объективно выделять и учитывать в системах оперативного прогнозирования факторы окружающей среды, влияющие на изменение интенсивности тропических циклонов. Ожидается, что она окажет значительную помощь в подготовке к стихийным бедствиям и предотвращении ущерба за счёт предоставления синоптикам быстрой и точной информации о тайфунах. Профессор Им отметил: «Наша система прогнозирования тайфунов на основе глубокого обучения позволит синоптикам разрабатывать быстрые и эффективные меры, предоставляя более точную прогнозную информацию».