MIT-ov dodatak modelima poboljšava prognoze do šest nedelja

Mašinsko učenje za pouzdaniji period od dve do šest nedelja

Istraživači sa MIT-a, zajedno sa saradnicima iz Microsofta, Evropskog centra za srednjoročne vremenske prognoze (ECMWF) i drugih institucija, razvili su model mašinskog učenja za prognoze vremena od dve do šest nedelja unapred. Kada je primenjen na referentni model, pristup je udvostručio njegovu prediktivnu moć u tom periodu i osvojio prvo mesto na sezonskom takmičenju ECMWF-a.

Rad objavljen u časopisu Nature opisuje metodu koja je prvi put u ovom vremenskom rasponu nadmašila oslanjanje na klimatološke proseke. Tim navodi i statistički značajno poboljšanje u predviđanju ekstremnih vremenskih pojava, uključujući poplave i hladne talase.

Prognoziranje na ovom horizontu poznato je kao subsezonsko prognoziranje. Ono se nalazi između kratkoročnih prognoza, koje se oslanjaju na početno stanje atmosfere, i dugoročnijih procena na koje utiču sporije klimatske sile. Zbog toga su prognoze u rasponu od dve do šest nedelja dosad bile naročito nepouzdane za operativno planiranje.

Sloj koji uči greške postojećih sistema

Umesto da zameni meteorološki model, novi sistem radi kao dodatni sloj za naknadnu obradu. On koristi istorijske podatke da nauči kakve greške postojeći prognostički sistem pravi, a zatim koriguje izlazne verovatnoće. Kako nastaju nove prognoze i pristižu novi podaci, korekcija se prilagođava.

Istraživači su za obuku koristili superračunarski klaster MIT Engaging, dok za pokretanje dobijenog modela superračunar nije potreban. Pobedničko rešenje spojilo je ECMWF-ov prognostički model sa još jednim modelom, a zatim je preko rezultata primenilo sloj korekcije.

U ovom vremenskom okviru prognoze se izražavaju verovatnoćama različitih ishoda, a ne jednom sigurnom vrednošću. To je važno i za ekstremne događaje: tim ukazuje da tradicionalna korekcija pristrasnosti često približava rezultat srednjoj vrednosti, dok su ekstremi na rubu raspodele verovatnoća.

Operativna vrednost za energiju, poljoprivredu i odgovor na krize

Autori su pokazali da se tehnika može primeniti na kopnene prognoze u većem delu sveta i da poboljšava i druge modele. Prema navodima tima, čak i slabiji modeli uz ovaj dodatak mogu dostići nivo prognoza ECMWF-a, a rešenje je otvorenog koda i niskog troška.

Meteorološka služba Kenije već je kontaktirala tim zbog moguće primene za prognoziranje godišnje monsunske sezone i podršku poljoprivrednim prinosima. Duži rok upozorenja može pomoći pri planiranju đubrenja u odnosu na kišu, zaštiti useva od mraza, upravljanju energetskim zalihama i pripremi službi za vanredne situacije.

Za organizacije koje zavise od vremena ključna poruka nije da neizvesnost nestaje, već da prognoza za period od dve do šest nedelja može postati upotrebljiviji ulaz za planiranje kapaciteta, nabavke i pripravnosti na ekstremne događaje.