Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Команда Google Research и Google DeepMind представила WeatherNext 3 — глобальную модель погоды, описанную в препринте, который не проходил рецензирования. Модель формирует новый прогноз каждый час вместо традиционного шестичасового цикла. Это важно для сервисов, которым нужны оперативные прогнозы осадков, облачности, солнечной радиации и локальной температуры.
Что сделали
WeatherNext 3 принимает результаты атмосферного анализа вместе с низкозадержанными снимками геостационарных спутников. Анализ — это рассчитанная физической моделью сетка состояния атмосферы; спутниковые данные дают более свежую информацию о температуре, водяном паре и облаках.
Данные разного типа проходят через отдельные кодировщики, объединяются на общей вычислительной сетке и преобразуются в прогнозы. Для приземных переменных модель выдаёт почасовой результат с пространственным разрешением 0,1°, а отдельная выходная часть рассчитывает температуру и точку росы для произвольных координат с учётом высоты и типа поверхности.
Авторы обучали WeatherNext 3 как вероятностную модель: она строит ансамбль возможных сценариев на срок до 15 дней. По их замерам, более свежие спутниковые входные данные повышают точность краткосрочного прогноза, особенно для быстро меняющихся осадков. Модель также превзошла WeatherNext 2 и сравниваемые глобальные системы по ряду оценок анализа, осадков, наземных станций и тропических циклонов.
Что это значит
WeatherNext 3 сокращает зависимость ИИ-прогноза от редких снимков состояния атмосферы: между обновлениями анализа модель получает наблюдения напрямую. Для прикладных систем это означает более частое обновление данных без отдельной модели для повышения временного разрешения. Архитектура также объединяет этапы прогноза и локальной коррекции под наземные станции.
Ограничения. Основные глобальные проверки проведены авторами на прогнозах за 2024 год, а результаты для станций частично оценивались на отложенных точках наблюдения. Работа не показывает независимую эксплуатационную проверку и не устанавливает пригодность модели для официальных предупреждений. Сравнение по наземным станциям также ограничено тем, что конкурирующие модели специально под такие данные не обучались, поэтому оно не отделяет преимущество архитектуры от преимущества специализированной подготовки.
Источники
Иллюстрация: рисунок из статьи «WeatherNext 3: Increasing resolution and performance of global weather models with raw observations», Stephan Rasp, Boris Babenko, Dominic Masters и др., CC BY 4.0
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
