Предсказать крупную вспышку гроз за несколько недель до её начала до сих пор остаётся одной из самых сложных задач метеорологии. Новый проект, поддержанный Министерством энергетики США, проверяет, сможет ли глубокое обучение в сочетании с классическими моделями погоды дать более ранние предупреждения о мощных грозовых системах.
Над проектом DL4MCS работают компания Planette AI, Тихоокеанская северо-западная национальная лаборатория (PNNL) и Университет Вайоминга. Исследование входит в программу Genesis Mission Phase I и сосредоточено на прогнозировании мезомасштабных конвективных систем (MCS) на территории континентальных США.
Что такое MCS и почему их сложно предсказывать
Мезомасштабные конвективные системы — это огромные скопления гроз, которые могут растягиваться на сотни километров. Они приносят разрушительные ветры, ливни, наводнения и другие опасные явления. Кроме того, именно MCS дают значительную часть летних осадков в США.
Проблема в том, что условия, ведущие к их образованию, складываются на протяжении длительного времени, а сами грозы развиваются под влиянием процессов гораздо меньшего масштаба. Из-за этого существующие системы прогнозирования обычно теряют точность уже после примерно недели.
Как работает новый подход
DL4MCS исследует, может ли глубокое обучение помочь закрыть этот разрыв, работая вместе с физическими моделями погоды. Учёные нацелены на период от семи дней до шести недель — так называемое субсезонное прогнозирование.
Идея не в том, чтобы заменить традиционные модели искусственным интеллектом. Проект проверяет, способны ли вычислительные методы извлекать полезные закономерности из уже существующих прогнозов и улучшать предсказания того, когда и где с большей вероятностью сформируются MCS.
Команда будет анализировать атмосферные условия на разных масштабах — от крупных климатических паттернов, влияющих на зарождение гроз, до процессов на уровне облаков, которые определяют их развитие.
Кто что делает
Planette AI отвечает за искусственный интеллект. PNNL вносит экспертизу в моделирование земной системы и оценку атмосферных процессов. Университет Вайоминга сосредоточится на региональном моделировании и даунскейлинге — переводе крупномасштабных прогнозов в более детальную информацию, полезную на местном уровне.
«Улучшение прогноза мезомасштабных конвективных систем требует прогресса на всех масштабах — от крупных климатических драйверов до микрофизики облаков, которая формирует поведение гроз, — отмечает Сюзанна Бёрроус (Susannah Burrows), атмосферный учёный PNNL. — Это сотрудничество объединяет complementary сильные стороны в моделировании земной системы, ИИ и оценке процессов».
Ханси Сингх (Hansi Singh), основатель и генеральный директор Planette AI, подчёркивает: «DL4MCS отражает наше стремление давать более полезную экологическую информацию для решений с высокими ставками. Сочетая современный ИИ с проверенными физическими системами прогнозирования, проект стремится сделать информацию о риске гроз на недели вперёд более полезной для отраслей и сообществ, которым нужна лучшая предусмотрительность».
Что это может дать
Если подход сработает, выгода выйдет за рамки просто более точного прогноза. Раннее предупреждение о повышенном риске гроз даст коммунальным службам больше времени на подготовку к сбоям, поможет страховым компаниям оценивать возможные убытки, а местным властям — планировать защиту от сильной погоды и наводнений.
Проект является частью более широких усилий Министерства энергетики по использованию передовых вычислений и машинного обучения для задач, которые пока плохо решаются традиционными методами. Ближайшая цель DL4MCS конкретна: выяснить, можно ли за счёт более умного использования существующих физических прогнозов и глубокого обучения сделать крупные грозовые системы предсказуемее за недели до их появления.
