Учёные ЮФУ обучат искусственный интеллект точному прогнозированию погоды

Учёные ЮФУ совместно со специалистами СПбГМТУ занимаются обучением искусственного интеллекта прогнозировать погоду. Об этом сообщил центр общественных коммуникаций вуза.

Раньше компьютерные программы не могли точно предсказывать погоду. Они просто создавали математическую модель, потому что не были способны учитывать все климатообразующие факторы. В ЮФУ обучением искусственного интеллекта (глубокого обучения) более точному прогнозированию занимается ведущий научный сотрудник кафедры океанологии Института наук о Земле ЮФУ Денис Кривогуз.

— Современные вызовы в прогнозировании климата требуют применения передовых технологий. Наша работа направлена на изучение потенциала глубокого обучения в этой области, что может существенно повысить точность прогнозов и способствовать разработке новых подходов к мониторингу и управлению климатическими ресурсами, — рассказал Денис Кривогуз.

На основе исследований специалисты ЮФУ опубликовали научную работу «Улучшение долгосрочного прогнозирования температуры воздуха с помощью архитектуры глубокого обучения». Результаты исследования показали, что искусственный интеллект способен эффективно прогнозировать погоду.

Как отмечает центр общественных коммуникаций, использование компьютерных моделей в дальнейшем поможет понять климатические процессы. Полученные данные могут быть использованы для отслеживания изменений климата на всей планете.

Руководит научным проектом доцент и климатолог Александр Иошпа. Он подчеркнул, что обучение нейросетей способности точно прогнозировать погоду — очень востребованная коллаборация математических наук и наук о Земле. Кроме того, если искусственный интеллект сможет доказать свою эффективность в прогнозировании погоды, то такое исследование будет достойно Нобелевской премии.

Учёные отмечают, что нейросеть умеет анализировать большие объёмы данных. Также она способна выделять наиболее важные для погоды факторы. Например, для прогноза в Ростовской области она может учитывать течения в Чёрном и Азовском морях или температуру почвы в соседних регионах.

В рамках проекта специалисты изучили данные о погоде с 1961 года по 2023 и провели множество экспериментов и исследований.

— В ходе совместного исследования нами были рассмотрены и сравнены различные архитектуры нейронных сетей. Особое внимание было уделено Deep Recurrent Neural Networks (DRNN) и её вариации с блоками Gated Recurrent Units (DRNN-GRU) за их способность к анализу последовательных данных и выявлению долгосрочных зависимостей во временных рядах. Эти модели демонстрировали значительное превосходство в точности прогнозирования по сравнению с традиционными методами, благодаря глубокому анализу временных зависимостей и высокой адаптивности к изменениям в данных, — поделился директор ИРИС, декан факультета цифровых промышленных технологий СпбГМТУ Антон Жиленков.

Как отмечают исследователи, нейросети DRNN и DRNN-GRU позволили достичь значительного прогресса в точности прогнозов.

— Стоит отметить, что при сравнении прогнозов с фактическими данными в периоды экстремальных погодных условий, таких как необычно теплые зимы или резкие похолодания летом, наблюдалось увеличение отклонений. Несмотря на это, обе модели успешно предсказывали общие тенденции изменения температур, демонстрируя их пригодность для практического использования в системах долгосрочного прогнозирования погоды, — отметил Денис Кривогуз.

Исследование учёных ЮФУ открывает новые возможности использования нейросетей в метеорологии и климатологии. Они будут особенно полезны для аграриев, деятельность которых напрямую зависит от погоды. Фермеры смогут терять меньше урожая каждый год благодаря точному прогнозу на длительный период. Кроме того, обществу также будет легче адаптироваться под быстро меняющуюся погоду, если её перемены будут известны заранее.