Наша жизнь зависит от погоды. В любой момент в Великобритании, согласно одно исследование, треть жителей страны говорили о погоде за последний час, что свидетельствует о важности погоды в повседневной жизни. Среди погодных явлений дождь имеет особое значение из-за его влияния на наши повседневные решения. Должен ли я взять зонтик? Как мы должны направлять транспортные средства во время сильного дождя? Какие меры безопасности мы принимаем на выездных мероприятиях? Будет ли наводнение? Наше последнее исследование и современная модель продвигает науку о Прогноз осадков, который является прогнозом дождя (и других осадков) в течение следующих 1-2 часов. В бумага написанные в сотрудничестве с Метеобюро и опубликованные в журнале Nature, мы напрямую занимаемся этим важным грандиозный вызов в предсказании погоды. Это сотрудничество между наукой об окружающей среде и ИИ сосредоточено на ценности для лиц, принимающих решения, открывает новые возможности для прогнозирования дождя и указывает на возможности ИИ в поддержке нашего реагирования на проблемы, связанные с принятием решений в постоянно меняющейся среде.
Краткосрочные прогнозы погоды
На протяжении всей истории предсказание погоды занимало важное место для наших сообществ и стран. Средневековые метеорологи начали с использования звезд для предсказаний. Постепенно начали вести таблицы, записывающие сезоны и режимы дождя. Столетия спустя Льюис Фрай вообразил «Фабрику прогнозов», которая использовала вычисления и физические уравнения атмосферы для прогнозирования глобальной погоды. В эту постоянно развивающуюся книгу о прогнозировании погоды мы добавили статью о роли машинного обучения в прогнозировании.
Сегодняшние прогнозы погоды основаны на мощных системах численного прогноза погоды (ЧПП). Решая физические уравнения, ЧПП дают важные прогнозы планетарного масштаба на несколько дней вперед. Тем не менее, они изо всех сил пытаются генерировать прогнозы с высоким разрешением за короткие сроки менее двух часов. Прогнозирование текущей погоды заполняет пробел в производительности в этот решающий интервал времени.
Прогноз текущей погоды необходим для таких секторов, как управление водными ресурсами, сельское хозяйство, авиация, планирование действий в чрезвычайных ситуациях и мероприятия на открытом воздухе. Достижения в области метеорологического зондирования сделали радиолокационные данные с высоким разрешением, которые измеряют количество осадков на уровне земли, доступными с высокой частотой (например, каждые 5 минут с разрешением 1 км). Это сочетание ключевой области, в которой существующие методы испытывают затруднения, и доступности высококачественных данных дает возможность машинному обучению внести свой вклад в прогнозирование текущей погоды.
Генеративные модели для прогнозирования текущей погоды
Мы ориентируемся на текущий прогноз дождя: прогнозы на 2 часа вперед, которые фиксируют количество, время и место дождя. Мы используем подход, известный как генеративное моделирование, чтобы делать подробные и правдоподобные прогнозы будущих радаров на основе прошлых радаров. Концептуально это проблема создания радиолокационных фильмов. С помощью таких методов мы можем точно фиксировать крупномасштабные события, а также генерировать множество альтернативных сценариев дождя (известных как ансамблевые прогнозы), что позволяет исследовать неопределенность осадков. В результатах нашего исследования мы использовали радиолокационные данные как из Великобритании, так и из США.
Нас особенно интересовала способность этих моделей прогнозировать средние и сильные дожди, которые больше всего влияют на людей и экономику, и мы показываем статистически значимые улучшения в этих режимах по сравнению с конкурирующими методами. Важно отметить, что мы провели оценку когнитивных задач с более чем 50 экспертами-метеорологами из Метеорологического бюро, национальной метеорологической службы Великобритании, которые оценили наш новый подход как лучший выбор в 89% случаев по сравнению с широко используемыми методами прогнозирования текущей погоды.демонстрируя способность нашего подхода предоставлять информацию лицам, принимающим решения в реальном мире.
Что дальше
Используя статистический, экономический и когнитивный анализы, мы смогли продемонстрировать новый и конкурентоспособный подход к прогнозированию осадков с помощью радара. Ни один метод не имеет ограничений, и требуется дополнительная работа для повышения точности долгосрочных прогнозов и точности в отношении редких и интенсивных явлений. Дальнейшая работа потребует от нас разработки дополнительных способов оценки производительности и дальнейшей специализации этих методов для конкретных реальных приложений.
Мы считаем, что это захватывающая область исследований, и мы надеемся, что наша статья послужит основой для новой работы, предоставив данные и методы проверки, которые позволят обеспечить как конкурентную проверку, так и практическую полезность. Мы также надеемся, что это сотрудничество с Метеорологическим бюро будет способствовать большей интеграции машинного обучения и науки об окружающей среде, а также лучше поддержит процесс принятия решений в нашем меняющемся климате.
Прочтите статью «Умелый прогноз осадков с использованием глубоких генеративных моделей радара» в выпуске журнала Nature от 30 сентября 2021 года, в которой содержится подробное обсуждение модели, данных и подхода к проверке. Вы также можете изучить данные, которые мы использовали для обучения, и найти предварительно обученную модель для Великобритании через GitHub.