Microsoft представил инструмент машинного обучения для повышения точности среднесрочных прогнозов погоды

Image: Illustrative image · Logos of the Nokia Corporation and that of Windows Phone 8 by the Microsoft Corporation. · Public domain · Source

Microsoft разработал метод машинного обучения для улучшения прогнозов погоды на срок от двух до шести недель, корректируя систематические ошибки существующих моделей, что помогает в планировании сельского хозяйства и экстренном реагировании.

Исследователи Microsoft представили новую технику машинного обучения, направленную на повышение точности среднесрочных прогнозов погоды, решая давнюю проблему традиционных и основанных на ИИ методов прогнозирования. Опубликованный в журнале Nature, этот экономичный инструмент — названный Probabilistic Bias Correction (PBC) — предназначен для улучшения прогнозов погоды за два-шесть недель, то есть в период, когда надежность прогнозов обычно снижается.

В отличие от традиционных моделей прогнозирования, основанных на физике, которые моделируют атмосферную физику Земли, или моделей ИИ, прогнозирующих на основе исторических закономерностей погодных данных, обе эти методики сталкиваются с проблемой приближений для заполнения пробелов в данных. Эти приближения могут вводить систематические искажения, которые накапливаются при более длительных периодах прогнозирования и снижают точность. Например, изменения климата, такие как глобальное потепление, могут вызывать занижение текущих температур в моделях, основанных на исторических данных.

Метод PBC от Microsoft использует машинное обучение для выявления и исправления этих систематических ошибок в существующих моделях прогнозирования. Его тестировали на ведущей физической модели Европейского центра среднесрочных прогнозов погоды (ECMWF), улучшив точность прогноза осадков в 98% случаев и прогноза температуры в 92%. Кроме того, PBC удвоил точность новой системы прогнозирования ИИ ECMWF в ходе исследований. Эта работа была отмечена ECMWF в рамках конкурса AI Weather Quest.

Важным является то, что PBC вычислительно эффективен, может работать на центральных процессорах без необходимости в энергозатратных суперкомпьютерах или графических процессорах (GPU), что делает его доступным для метеорологических агентств с ограниченными ресурсами — особенно в экономически развивающихся регионах. Исследователи отмечают, что легкая архитектура инструмента позволяет ученым по всему миру адаптировать его для улучшения локальных прогнозов погоды.

Женевьев Фласпохлер, автор исследования и исполнительный директор Rhiza Research, в настоящее время сотрудничает с Кенией-Метеорологической Службой (Kenya Meteorological Service Authority), при поддержке фонда Гейтсов, для внедрения систем раннего предупреждения на основе ИИ перед ожидаемым более экстремальным сезоном дождей, связанным с Эль-Ниньо. Метод PBC является частью этой инициативы, направленной на предоставление более точных и своевременных прогнозов, выгодных для фермеров и служб экстренного реагирования.

Хотя метод многообещающий, эксперты предупреждают о сложности практического внедрения новых методов прогнозирования с ИИ, однако подход Microsoft является значительным шагом к более надежным среднесрочным прогнозам погоды и расширению доступа к передовым технологиям прогнозирования.