Исследователи разработали систему для улучшения прогнозов траекторий тайфунов
3 августа 2026 г.
Китайские исследователи разработали систему прогнозирования для улучшения прогнозов траекторий тайфунов. Исследование опубликовано в Advances in Atmospheric Sciences.
Китайские учёные разработали систему ансамблевого прогнозирования тайфунов, основанную на ИИ и физических моделях. Система сочетает модель прогнозирования погоды на основе искусственного интеллекта FuXi с предложенным ими методом ортогональных условно-нелинейных оптимальных возмущений (O-CNOPs). Он генерирует физически интерпретируемые начальные возмущения для прогнозирования множества возможных траекторий тайфунов.
Модели погоды на основе ИИ быстро развивались в последние годы и работают намного быстрее традиционных численных моделей. Однако прогнозирование траекторий тайфунов, для которых характерна высокая степень неопределённости, требует не только скорости. Модели ИИ должны оценивать влияние тонких различий в начальных условиях и генерировать ряд достоверных траекторий.
Исследователи проанализировали 62 тайфуна и провели 91 эксперимент по ансамблевому прогнозированию. Система показала результаты, сопоставимые с лучшими мировыми оперативными системами ансамблевого прогнозирования в 24-часовых прогнозах. Она также превзошла их на интервалах от 24 до 120 часов, снижая максимальные ошибки в определении траектории до 32,33%. Система FuXi-CNOPs также более последовательно прогнозирует скорость и направление движения тайфуна и повышает точность оценки неопределённости прогноза до 29,2%.
Новый подход к ансамблевому прогнозированию преодолевает ограничения моделей, основанных исключительно на данных. В отличие от современных подходов к прогнозированию на основе ИИ, он не требует дополнительного обучения огромных моделей. Это снижает вычислительные потребности и делает его более подходящим для оперативного применения.
Исследовательская группа планирует продолжить оптимизацию системы для улучшения прогнозов траекторий тайфунов и повышения точности прогнозов интенсивности. Ожидается, что разработка будет использоваться и при прогнозировании других опасных погодных явлений.
Источник: Институт физики атмосферы КАН.