Модель GenCast точно предскажет экстремальные погодные явления
Она уже справилась с предсказанием траектории тайфуна Хагибис
Новая вероятностная модель GenCast способна за восемь минут сделать прогноз погоды на 15 дней, и он по 97,2 процента метрик окажется более точным, чем у широко применяемого ансамбля ECMWF-ENS. Кроме того, модель показала значительно более точные результаты предсказания экстремальных погодных событий и может применяться для составления региональных прогнозов выработки ветряной энергетики. Описание модели опубликовано в журнале Nature.
Специалисты в области машинного обучения под руководством Илана Прайса (Ilan Price) из Google DeepMind применили диффузионную модель для генерации прогнозных траекторий погодных явлений и обучили ее на метеоданных реанализа ERA5 с 1979 по 2019 годы. Полученная модель прогноза погоды GenCast быстро выдает прогнозы погоды с географическим разрешением 0,25 градуса, которые особенно точны на промежутках от трех до пяти дней. Также она способна предсказывать траектории тропических циклонов — например, тайфуна Хагибис, который нанес огромный ущерб Японии в 2019 году — а также оценивать экстремальные температуры и скорости ветра.
Сверточная нейросеть дает более мрачные прогнозы, чем классические климатические модели
Потепление на 1,5 градуса Цельсия наиболее вероятно произойдет до 2040 года, на два градуса — до 2060 года, а на три градуса — до 2070 года. В отдельных регионах потепление происходит значительно быстрее, и лучшими предикторами глобального изменения климата являются Южный океан, горы Центральной Азии, Арктическое побережье Северной Америки и северо-запад Африки. Такие прогнозы получили ученые при использовании нейросети, обученной на климатических моделях. Результаты опубликованы в журнале Environmental Research Letters.