Система ИИ вдвое повышает точность прогнозов погоды на срок до шести недель вперёд, показало исследование в Nature

Исследователи из Массачусетского технологического института (MIT), Гарвардского университета, Университета Торонто, Microsoft, Национального института чистой и прикладной математики Бразилии (IMPA) и Европейского центра среднесрочных прогнозов погоды (ECMWF) опубликовали в журнале Nature исследование, показывающее, что слой постобработки на основе машинного обучения способен вдвое повысить точность прогнозов погоды в «субсезонном» диапазоне 2–6 недель — периоде, который исторически считался слишком отдалённым для надёжных ежедневных прогнозов. Система работает как «обёртка» (wrapper), которая учится выявлять и исправлять систематические ошибки в существующих моделях, таких как система прогнозирования ECMWF на основе ИИ. Применённая к этой системе, она повысила точность для 91% показателей давления, 92% показателей температуры и 98% показателей осадков. Принципиально важно, что впервые в этом диапазоне она превзошла климатологические средние показатели, в том числе для экстремальных погодных явлений — порог, которого традиционные методы коррекции смещения никогда не достигали. Модель не требует суперкомпьютера и может быть применена к любой прогностической системе. По словам исследователей, это усовершенствование имеет важное практическое применение: более точные предупреждения на срок от двух до шести недель могут помочь операторам энергосетей, фермерам и специалистам по чрезвычайным ситуациям подготовиться к суровой погоде. В качестве примера команда отметила, что своевременное предупреждение могло бы помочь смягчить последствия зимних штормов в Техасе в 2021 году, в результате которых погибли по меньшей мере 246 человек. С помощью этой технологии команда заняла первое место в международном конкурсе прогнозирования ECMWF.