Google заявляет, что его краткосрочные прогнозы погоды более точны, чем современные модели
Несмотря на столетия усилий, предсказание погоды все еще является неточной наукой. Текущий подход включает сбор данных из различных источников и анализ их с помощью суперкомпьютеров, которые для прогнозирования занимают часы. Хотя современные прогнозы погоды намного точнее, чем в прошлом, они все еще оставляют желать лучшего, особенно на местном уровне и в краткосрочной перспективе. В этой новой работе команда Google применила иной подход к краткосрочному прогнозированию - вместо использования физики они используют последние радиолокационные карты, чтобы сделать обоснованные предположения о ближайшем будущем.
Новый инструмент Google использует машинное обучение - сверточная нейронная сеть (CNN) обучается распознавать погодные условия, а затем делает прогнозы на основе текущих погодных условий. Получившийся инструмент предоставляет то, что Google описывает как «прогнозирование выпадения осадков» - локальные, почти мгновенные, краткосрочные прогнозы погоды.
Тип CNN, используемый Google, называется U-Net - система, которая работает путем сортировки данных по слоям, которые упорядочены по фазе кодирования для увеличения скорости обработки; итерация используется для уменьшения разрешения изображения, а затем декодирование используется для восстановления изображений обратно. в исходное разрешение. Система анализирует радиолокационные данные за последние N часов, чтобы предсказать погодные события в ближайшие N часов, где N колеблется от нуля до шести часов. Весь процесс занимает всего несколько минут. Система способна возвращать ответы быстрее, чем обычные системы прогнозирования, потому что она игнорирует физику, а вместо этого полагается на обработку изображений.
Исследователи проверили свой инструмент, сравнив его с тремя широко используемыми моделями прогнозирования. Они утверждают, что их прогнозы были более точными в краткосрочной перспективе, чем все три модели, но были менее точными в долгосрочной перспективе.
Комментариев нет