By 
Оскільки наближається сувора погода з потенційно небезпечними для життя небезпеками, як-от сильний дощ, град або торнадо, раннє попередження та точні прогнози мають вирішальне значення. Дослідники погоди з Університету штату Колорадо надали синоптикам штормів новий потужний інструмент для підвищення надійності їхніх прогнозів, потенційно рятуючи життя.
Останніми роками Расс Шумахер, професор Департаменту атмосферних наук і кліматолог штату Колорадо, очолив команду зі створення вдосконаленої моделі машинного навчання для покращення прогнозування небезпечної погоди в континентальній частині Сполучених Штатів. Спочатку навчена на історичних даних про надмірну кількість опадів, модель, відома як CSU-MLP (Імовірності машинного навчання Університету штату Колорадо), розвинулася для точного прогнозування таких подій, як торнадо та град, на чотири-вісім днів наперед, критичне вікно для синоптиків поширювати інформацію серед громадськості для підготовки.
Під керівництвом вченого-дослідника Аарона Хілла, який працював над удосконаленням моделі протягом останніх двох з гаком років, команда нещодавно опублікувала свої середньострокові (від чотирьох до восьми днів) можливості прогнозування в журналі Американського метеорологічного товариства Weather and Forecasting.
Зараз дослідники об’єдналися з синоптиками в Національному центрі прогнозування штормів у Нормані, штат Оклахома, щоб перевірити модель і вдосконалити її на основі практичних міркувань реальних синоптиків. Інструмент не є заміною безцінних навичок людей-прогнозистів, а скоріше забезпечує агностичний захід підвищення впевненості, щоб допомогти синоптикам вирішити, чи видавати публічні попередження про потенційну погоду.
«Наші статистичні моделі можуть принести користь оперативним прогнозистам як орієнтовний продукт, а не як заміна», — сказав Хілл.
Ізраїль Джірак, MS ’02, Ph.D. ’05, є науковим і оперативним офіцером Центру прогнозування штормів і співавтором статті. Він назвав співпрацю з командою CSU «дуже успішним проектом від дослідження до експлуатації».
«Вони розробили на основі імовірнісного машинного навчання сувору погоду, яка є статистично надійною та вмілою, а також практично корисною для синоптиків», — сказав Джірак. Синоптики в Оклахомі щодня використовують вказівки CSU, особливо коли їм потрібно опублікувати середньостроковий прогноз погоди.
Дані про погоду за дев’ять років
Модель розроблено на дуже великому наборі даних, що містить близько дев’яти років детальних історичних спостережень за погодою над континентальною частиною США. Ці дані поєднуються з метеорологічними ретроспективними прогнозами, які є «перепрогнозами» моделі, створеними на основі результатів минулих погодних явищ. Дослідники CSU взяли фактори навколишнього середовища з цих модельних прогнозів і пов’язали їх із минулими явищами суворої погоди, такими як торнадо та град. Результатом є модель, яка може працювати в режимі реального часу з поточними погодними явищами та виробляти ймовірність цих типів небезпек із часом від чотирьох до восьми днів на основі поточних факторів навколишнього середовища, таких як температура та вітер.
Доктор філософії Аллі Мазурек працює над проєктом і намагається зрозуміти, які вхідні дані про атмосферу є найважливішими для прогнозних можливостей моделі. «Якщо ми зможемо краще розкласти те, як модель робить свої прогнози, ми, сподіваюся, зможемо краще діагностувати, чому прогнози моделі є хорошими чи поганими під час певних погодних умов», — сказала вона.
Хілл і Мазурек працюють над тим, щоб зробити модель не тільки більш точною, але й більш зрозумілою та прозорою для прогнозистів, які її використовують. Для Хілла дуже приємно знати, що роки роботи над удосконаленням інструменту машинного навчання тепер роблять різницю в загальнодоступних робочих умовах.
«Я люблю фундаментальні дослідження. Мені подобається пізнавати нове про нашу атмосферу. Але мати систему, яка надає покращені попередження та покращений обмін повідомленнями про загрозу суворої погоди, надзвичайно корисно», — сказав Хілл.
Comments