Google DeepMind представила ИИ-модель WeatherNext 3 для глобальных прогнозов погоды
Новая модель обновляет прогнозы каждый час на основе спутниковых наблюдений и строит их с разрешением до 5 км. Разработчики также заявляют о заметном росте точности прогнозов осадков.
Google DeepMind совместно с Google Research представила WeatherNext 3 — новую ИИ-модель для глобального прогнозирования погоды. По заявлению разработчиков, модель обучается на поступающих в реальном времени данных наблюдений, что должно дать более локальные и быстрые прогнозы.
В отличие от WeatherNext 2 и многих других ИИ-моделей, обучавшихся на результатах численного прогнозирования погоды, WeatherNext 3 использует данные глобальных геостационарных спутников. В DeepMind поясняют, что у численных моделей есть шестичасовая задержка данных: это может влиять на прогноз быстро меняющихся показателей, включая осадки и температуру у поверхности.
WeatherNext 3 формирует новый прогноз каждый час, используя наиболее свежие доступные спутниковые наблюдения. Заявленное разрешение составляет до 5 км. Для учёта местных особенностей, в том числе рельефа, модель также обучают на разреженных данных метеостанций; прогнозы строятся на глобальной сетке с шагом 5 км.
Отдельное внимание разработчики уделили осадкам. Для обучения используются спутниковые данные NASA IMERG и собственный глобальный анализ осадков на основе спутникового радара. По оценке DeepMind, в среднесрочных глобальных прогнозах улучшение метрики CRPS по сравнению с базовыми решениями достигает 60% для IMERG, 30% для MRMS и 10% относительно измерений дождемеров на ранних сроках прогноза.
Модель также рассчитывает показатели для энергетики из возобновляемых источников: скорость ветра на высоте 100 метров, облачность высокого разрешения и уровень солнечной радиации. Эти данные предназначены для оценки выработки ветровых и солнечных электростанций.