Учёные из МФТИ и Института океанологии РАН создали нейросеть, которая быстро и точно моделирует опасные погодные явления в Арктике — например, шторма и вихревые ветра. Это позволяет значительно повысить безопасность судоходства и инфраструктуры в регионе.
В чём проблема прогнозов?
Сейчас для прогнозирования используют два основных метода:
- Глобальные модели (например, ERA5) — дают общую картину, но «размывают» местные опасные явления, такие как новоземельская бора.
- Детальные физические симуляции (например, WRF) — точны, но требуют огромных вычислительных ресурсов и времени, что затрудняет их оперативное применение.
Как работает новая нейросеть?
- Обучение: ИИ был обучен на данных высокоточной, но медленной модели WRF.
- Работа: Нейросеть берёт «размытый» глобальный прогноз и почти мгновенно преобразует его в детализированную карту ветров для ключевых районов Арктики (Баренцево и Карское моря).
- Результат: Она выявляет вихри и шторма с точностью, сравнимой с WRF, но в 50 раз быстрее.
Эффективность подтверждена на реальном явлении:
В феврале 2022 года нейросеть успешно предсказала новоземельскую бору — опасный ветер на западном побережье Новой Земли. Как и модель WRF, ИИ чётко воспроизвёл его силу и структуру, тогда как глобальная модель ERA5 показала лишь слабый сигнал.
Ключевые показатели точности:
- Количество вихревых структур: нейросеть определяет их почти так же, как эталонная модель WRF (разница менее 3%), в то время как глобальный прогноз недооценивает их количество примерно вдвое.
- Расчёты волн: высота волн, рассчитанная на основе данных ИИ, совпадает с замерами буёв с точностью модели WRF.
Практическая польза:
Разработка открывает путь к оперативному и экономичному прогнозированию экстремальных явлений в Арктике, что критически важно для:
- Безопасности судоходства.
- Защиты прибрежной и морской инфраструктуры.
- Планирования хозяйственной деятельности в регионе.
ИИ-модель сочетает скорость глобальных прогнозов с детализацией точных физических симуляций, делая прогнозы более доступными, быстрыми и надёжными.