Российские учёные создали нейросеть BERTUNet, которая учится «ловить» атмосферные вихри – причину арктических штормов

Фото: Вадим Штрик / Фотобанк ПОРА

Сотрудники Института океанологии имени П. П. Ширшова РАН, Московского физико-технического института (МФТИ), Сколковского института науки и технологий и Института AIRI создали нейросеть, которая уточняет прогнозы в Арктике, учитывая мелкие атмосферные вихри, которые глобальные погодные модели теряют при усреднении данных. При этом именно эти вихри часто становятся причиной внезапных арктических штормов – наиболее опасных погодных явлений, характерных для региона, таких как полярные циклоны и новоземельская бора. Разработка, получившая название BERTUNet, корректирует погрешности глобальных погодных моделей, выявляя штормовые вихри и аномалии температуры, что обещает сделать безопаснее судоходство по Северному морскому пути, авиасообщение, добычу ресурсов и другие виды деятельности в Арктике, зависящие от качества прогнозов погоды, сообщает издание МФТИ «За науку». Работа опубликована в Quarterly Journal of the Royal Meteorological Society – одном из ведущих мировых научных журналов в области метеорологии и атмосферных наук, издаваемом Королевским метеорологическим обществом Великобритании.

Как пояснил старший научный сотрудник Института океанологии имени П. П. Ширшова РАН и заведующий лабораторией машинного обучения в науках о Земле МФТИ Михаил Криницкий, в Арктике критически не хватает метеостанций, а глобальные погодные модели либо имеют слишком низкое разрешение, либо систематически ошибаются. Существующие нейросети тоже обучены на усреднённых данных, сглаживая локальные температурные аномалии и мелкие вихри, в результате пропускаются моменты начала штормов и выстраиваются некорректные прогнозы состояния ледового покрова.

В основе BERTUNet лежит математический механизм, который разработчики называют «штрафом». Он заставляет модель меньше доверять усреднённым данным и намеренно сохранять в прогнозе мелкомасштабные вихревые структуры, не подавляя их, как это делают обычные методы коррекции. По информации издания, нейросеть обучили на данных реанализа ERA5 — самого крупного в мире архива погоды — с разрешением 0,25 градуса (примерно 28 км на экваторе) и более детализированной модели Weather Research and Forecasting (WRF) с шагом 6 км. Дополнительно в выборку включили спутниковые измерения и показания наземных метеостанций за четыре с половиной года наблюдений в акваториях Карского и Баренцева морей.

Результаты, по словам аспиранта Института океанологии и инженера-исследователя Центра искусственного интеллекта Сколтеха Виктора Голикова, оказались впечатляющими: исходная ошибка температуры у поверхности, порой достигавшая почти 5 градусов, снизилась до 2,1 градуса. Неточность в определении скорости ветра уменьшилась примерно на 20%. При этом спектральный анализ подтвердил, что в прогнозе новой нейросети энергия мелких атмосферных вихрей отображалась корректно, тогда как старые методы полностью её нивелировали.

Исходный код обучения модели и архитектура нейросети опубликованы в открытом доступе — это позволяет использовать разработку для дальнейших научных изысканий и внедрять её в оперативные прогностические системы.

Разработка в первую очередь нацелена на обеспечение безопасности Северного морского пути — более точный прогноз ветра у поверхности моря позволяет оптимальнее прокладывать маршруты в сложных ледовых и волновых условиях. Однако издание «Известия», опросив экспертов, выяснило, что потенциал BERTUNet может быть гораздо шире: точный прогноз мелкомасштабных явлений востребован в самых разных областях человеческой деятельности не только в Арктике, отметил руководитель группы машинного обучения и качества прогнозов в «Яндекс Погоде» Пётр Вытовтов. Ведущий метеоролог «Гисметео» Леонид Старков напомнил, что Арктика все ещё остаётся «белым пятном» на карте погоды, и чтобы сделать BERTUNet ещё точнее, эксперт рекомендует подключить данные российских полярных спутников «Арктика-М» и «Метеор-М», а также добавить в модель параметры морского льда: сплочённость, толщину, возраст. Кроме того, Пётр Вытовтов предложил развивать разработку в двух направлениях: во-первых, улучшать её работу в условиях сильного ветра, во-вторых — научить корректировать прогноз осадков.