Исследователи из MIT, Microsoft, Европейского центра среднесрочных прогнозов и других организаций разработали метод машинного обучения, который помогает закрыть именно этот промежуток.
Новая система не пытается заменить существующие модели погоды. Она работает поверх них: анализирует их систематические ошибки и корректирует прогноз с учётом того, как модель ошибалась в похожих ситуациях раньше.
На горизонте от двух до шести недель такой подход удвоил качество прогноза одной из ведущих моделей ECMWF. Причём улучшения касались не только средних температур и осадков, но и экстремальных событий — например, сильных холодов или наводнений.
Этот диапазон метеорологи называют «пустыней предсказуемости». В первые дни многое определяется текущим состоянием атмосферы, а на больших временных масштабах начинают работать более медленные климатические факторы. Между ними атмосфера становится особенно капризной: небольшая ошибка быстро разрастается.
Но у неё есть и повторяющиеся крупномасштабные режимы. Машинное обучение помогает находить эти закономерности и учитывать их там, где обычный прогноз уже начинает сдавать позиции.
Если метод окажется устойчивым в реальной работе, дополнительная пара недель предупреждения может иметь вполне практическую цену: фермеры смогут раньше принимать решения о посевах и поливе, энергетики — готовиться к пиковому спросу, а экстренные службы — к жаре, холоду, паводкам и другим опасным событиям.
Получается, ИИ здесь не столько «угадывает погоду», сколько помогает увидеть структуру там, где раньше начинался почти белый шум.
