Долгосрочный прогноз экстремальных температур остаётся вызовом для метеорологии: существующие модели либо ограничены короткими сроками, либо требуют предположений о распределении вероятностей, которые трудно оценить по редким событиям. Работа стоит на отшибе от соседей по архиву, где преобладают прогнозы Эль-Ниньо, погодные шумы и машинное обучение на видеокартах. В отличие от них, здесь не строится глобальная модель, а ищутся локальные правила-аналоги, связывающие удалённые места с задержкой во времени.
Авторы собрали 78 рядов данных: среднесуточные температуры в 66 точках, видимость, ветер, точку росы, давление на уровне моря, индексы Южного колебания и температуру поверхности океана. Каждый ряд разбит на обучающую выборку (1973–2010) и проверочную (2011–2013). Для каждой пары мест вычисляется сумма отклонений от климатической нормы за интервал от 1 до 365 дней и с упреждением от 14 до 365 дней. Правило прогноза отбирается, если такая сумма хотя бы четыре раза (с интервалом более 30 дней) предшествовала экстремуму в обучающей выборке. Экстремум определяется как отклонение более чем на два стандартных отклонения от среднего для даты.
Для положительных экстремумов в Вашингтоне найдено три правила, которые предсказали 18,2% реальных экстремумов (50% всех срабатываний). Для отрицательных экстремумов в Скопье пять правил дали 11,1% точных попаданий. Во всех случаях знак прогнозируемого отклонения совпал с фактическим. Вероятность случайного получения таких результатов менее 4,94% для Вашингтона и 4,23% для Скопье, что значимо на уровне 95%. Пример: жара 16 апреля 2012 года в Вашингтоне была предсказана за 60 дней по температурам в Бухаресте и Киеве.
Работа показывает, что можно предсказывать редкие экстремумы без подгонки распределений, опираясь только на повторяющиеся паттерны в данных. Это отличает её от соседей по архиву, которые либо используют физические модели, либо машинное обучение с большими данными. Здесь же ключевой вклад — в самом принципе неантиципативности: прогноз строится только на информации, доступной на момент предсказания, без «подглядывания» в будущее.
Метод можно масштабировать на глобальную сеть станций и расширить набор переменных, включая осадки и давление. Возможна проверка на синтетических данных, хотя авторы сомневаются, что модели воспроизведут нелинейную динамику экстремумов. Перспективно объединение с ансамблевыми подходами для оценки неопределённости.
Метод применим в энергетике для планирования пиковых нагрузок, в сельском хозяйстве для защиты урожая от заморозков или жары, а также в здравоохранении для предупреждения волн тепла.
Проверить метод на большем числе станций и для осадков; исследовать, какие пары мест дают наиболее надёжные правила.
Для метеорологии остаётся открытым вопрос о физических механизмах дальних связей (телеконнекций), которые лежат в основе найденных правил. Также неясно, насколько устойчивы эти правила при изменении климата, когда климатические нормы сдвигаются.
Жара в Вашингтоне 16 апреля 2012 года была предсказана по температурам в Бухаресте и Киеве за 60 дней до события, хотя между этими городами более 7000 км.