Российская нейросеть устраняет систематические ошибки глобальных моделей при прогнозе арктических штормов

Российские учёные разработали нейросеть для прогноза арктических штормов. Она точнее предсказывает полярные циклоны и новоземельскую бору. Решение выявляет ошибки глобальных погодных моделей. Эти модели склонны сглаживать мелкомасштабные вихри и температурные аномалии. Именно такие факторы становятся ключевыми причинами внезапной непогоды. Внедрение разработки повысит безопасность судоходства на Северном морском пути. Также вырастет безопасность авиасообщения и добычи ресурсов в регионе.

В основе программы лежит особый алгоритм. Он штрафует глобальные погодные модели за усреднение данных. В машинном обучении штраф — это математический механизм. Он заставляет модель меньше доверять определённым решениям. Усреднение данных — частая проблема моделей на основе искусственного интеллекта. Из-за этого теряются экстремальные, но важные погодные события. Существующие нейросетевые модели также обучены на данных с низким пространственным разрешением. Они тоже склонны сглаживать мелкие вихри и аномалии температуры. Кроме того, систематические ошибки в температуре дают неверные прогнозы по ледовому покрову.

Как рассказал старший научный сотрудник Института океанологии имени П.П. Ширшова РАН и заведующий лабораторией машинного обучения в науках о Земле МФТИ Михаил Криницкий, в Арктике от качества прогнозов зависит безопасность судоходства. Также от них зависят авиасообщение, добыча ресурсов и другие виды деятельности. При этом в регионе мало метеостанций. Глобальные погодные модели часто имеют слишком низкое разрешение. У них также бывают выраженные систематические ошибки.

Для решения этой проблемы создали программу BERTUNet. Её особенность в том, что она корректирует крупномасштабные ошибки прогноза. При этом программа намеренно