Нейросеть предсказывает погоду

annum_per_annum — 02.12.2025

"Вообще, интерес человечества к погоде вечен.

Сегодня ее прогноз нужен и не очень прихотливому сельскому жителю, и изнеженному городскому, которому встреча с природой нередко доставляет сильный дискомфорт. Последнему даже больше, потому что городская погода более непостоянна и изменчива.

В эпоху интернета точные сведения о погоде на ближайшие часы могут получить все желающие.
Многие пользователи Всемирной сети перед выходом из дома делают это хотя бы для того, чтобы решить, стоит ли брать с собой зонтик. По картам осадков и ветра на специализированных сайтах любой сможет понять, в какое время и на каком участке маршрута его застигнет непогода.

Согласно данным Википедии, сегодня в мире точность среднего краткосрочного прогноза (12– 72 часа) превышает 85%. Гораздо хуже обстоит дело со среднесрочными (3–10 суток) и долгосрочными (10–30 суток) предсказаниями. Здесь точность 60–65%. И уж совсем никуда не годятся прогнозы климата на несколько лет вперед, где вероятность составляет 50%, то есть эквивалентна бросанию монетки.

Для предсказаний метеорологи используют суперкомпьютеры, которые проводят численные расчеты на основе десятка основных уравнений гидродинамики. Такой чисто дискретный, цифровой подход требует корректного перевода уравнений в компьютерные алгоритмы и составления разнообразных приближений. Для этого нужны ученые высочайшей квалификации, работа которых сродни искусству, поэтому далеко не каждая страна может позволить себе климатические технологии. Самим суперкомпьютерам для вычислений требуется время, измеряемое часами, и значительные объемы электроэнергии. Чем точнее должны быть предсказания, тем больше требуется расчетного времени и энергии.

Еще одно необходимое условие таких расчетов — полное знание о метеорологической обстановке на планете. Сегодня в мире данные о десятках параметров земной погоды поставляют почти два десятка спутников, около тысячи океанских буев с приборами, несколько тысяч самолетов, многие тысячи кораблей и десяток тысяч метеорологических станций на суше.

Традиционный расчет начинается с того, что в компьютер вводят десятки миллионов параметров ежедневных наблюдений. Все они привязаны к глобальной сети планетных координат по широте, долготе и высоте. В каждом минимальном объеме этой сети суперкомпьютер рассчитывает требуемые параметры и производные, то есть изменения.

Источники информации принадлежат разным странам, поэтому для централизованного сбора данных национальных погодных агентств, а также обмена данными и их анализа была создана Всемирная служба погоды. Кроме прочего она устанавливает универсальные стандарты измерения и предоставления данных. Национальные и международные службы ежедневно публикуют региональные и глобальные прогнозы погоды и, что чрезвычайно важно, выпускают ранние предупреждения о стихийных бедствиях.

К примеру, одним из золотых стандартов расчета погоды стал прогноз, который готовит основанный ровно полстолетия назад Европейский центр среднесрочных прогнозов (European Centre for Medium-Range Weather Forecasts) с центрами в Великобритании, Италии и Германии. Он дает прогнозы для трех с половиной десятков стран-участниц и ведет научные исследования. Центр также руководит службами наблюдения за атмосферой и за изменениями климата и содержит огромный архив метеорологических данных. Интересно, что компьютер центра один из самых мощных в Европе.

Стоит отметить, что вышеназванные традиционные методы не учитывают длительной истории погодных изменений. Для расчетов суперкомпьютеру достаточно однократного знания многочисленных параметров в конкретный момент времени. Нетрадиционный ИИ представляет собой полную противоположность такому подходу. Он не требует анализа природных закономерностей аналитическими методами математики, которыми успешно владеют представители точных наук. ИИ не решает уравнения, а обучается на многолетней исторической базе погодных данных. В результате тренированная нейросеть становится способной моделировать климатические причинно-следственные связи.

Путь ИИ похож на приобретение интуитивного опыта человеком. Он начинает с уровня ребенка, который за долгие часы обучения, часто с серьезными ошибками, постепенно достигает уровня ремесла и способности быстро решать сложные задачи в некоторой узкой профессиональной области. Для старта и тренировок нейросетям требуются лишь исчерпывающе точные опытные данные.

Сегодня нейросети для предсказания погоды с тем или иным успехом тестируют многие известные разработчики. Одна из законодательниц мод здесь — нейросеть GraphCast, активно разрабатываемая компанией Google семь лет и регулярно тестируемая учеными университетов США. Открытый код этого флагманского ИИ (https://github.com/google-deepmind/graphcast) позволяет всем желающим пользоваться моделью и улучшать ее. Компания надеется, что они научатся предсказывать редкие и экстремальные погодные явления и сумеют оптимизировать GraphCast для разных регионов планеты.

Сегодня он способен с беспрецедентной точностью выдать прогноз на десятки дней вперед. Нейросеть буквально за минуту делает это на компьютере Google TPU v4. Для сравнения: традиционный прогноз на 10 дней вперед требует нескольких часов вычислений на суперкомпьютере, который состоит из сотен подобных машин. Европейский центр среднесрочных прогнозов начал длительное тестирование GraphCast. Результаты его работы можно увидеть на сайте центра. Климатические агентства некоторых стран также используют нейросеть от Google для своих прогнозов.

GraphCast прогнозирует погоду на пространственной сети, окутывающей весь земной шар. Она состоит из квадратных ячеек размером 28×28 км, то есть в четверть градуса по широте и долготе. В каждом узле нейросеть предсказывает температуру у поверхности, давление, влажность, скорость и направления ветра, а также полдюжины атмосферных переменных на 37 разных высотах.

Эксперименты показали, что для полутора тысяч тестовых переменных нейросеть в девяти из десяти случаев дает более точные предсказания, чем традиционный метод компьютерного расчета.
Если ограничить предсказания только нижним сло-ем атмосферы (6–20 км), то GraphCast превосходит европейский прогноз уже для 99,7% тестовых переменных. В среднем ИИ дает на 20% более точный прогноз.
`
Важно, что ИИ способен идентифицировать нестандартные погодные явления раньше, чем суперкомпьютеры. Он надежнее предсказывает экстремальные температуры, тропические циклоны, пути их перемещения и атмосферные реки воздуха. Вне тропиков эти узкие атмосферные каналы переносят основную долю водяного пара, а их интенсивность напрямую связана с количеством и силой выпадающих осадков. GraphCast умеет раньше и точнее предупреждать о ливнях, штормах и потопах.

Он также определяет, когда температура в любой наперед заданной точке земной поверхности достигнет местных рекордов. Это в последнее время становится всё более частым явлением. Интересно, что разработчики нейросети этому ее не обучали.

Можно надеяться, что ИИ позволит спасти жизни и имущество тысяч людей, а также уменьшить вредные последствия стихийных бедствий".

"Химия и жизнь", № 11, 2025

Оставить комментарий

Популярные посты:

• Архив