Как след на песке рассказал о будущем Эль-Ниньо ✎

Оригинал: "Discovery of a Phenomenological Dynamical Model for Predicting the El Niño-Southern Oscillation"
arXiv:1709.02606 · 2017-09-08 · arXiv non-exclusive · собственный разбор · 1 мин
Учёные нашли в 135-летней записи погоды простое правило, которое предсказывает Эль-Ниньо лучше сложных компьютерных моделей.

Представьте, что вы нашли на пляже цепочку следов. По ним можно понять, шёл ли зверь спокойно или бежал, и даже предсказать, куда он направится дальше. Учёные сделали похожее с Эль-Ниньо — тёплым течением в Тихом океане, которое влияет на погоду во всём мире. Вместо того чтобы строить огромную модель океана и воздуха, они взяли 135-летнюю запись наблюдений и попытались прочитать по ней правило движения.

Сначала запись очистили от быстрых колебаний, оставив только медленные изменения. Потом каждый момент времени представили как точку в пространстве, где координаты — это значения записи в разные дни. Оказалось, что все точки лежат почти на плоскости, а не разбросаны как попало. Это значит, что между значениями есть простое правило, которое можно записать одной формулой. Формула нелинейная: она учитывает, что тёплые и холодные фазы Эль-Ниньо ведут себя по-разному.

Правило обучили всего на 40 годах данных, а проверили на оставшихся 94 годах. Оно предсказывает Эль-Ниньо за 6 месяцев с точностью 0,96, тогда как лучшие современные модели дают около 0,86.

Раньше прогнозы Эль-Ниньо резко ухудшались каждую весну, и это называли весенним барьером. Новое правило сильно ослабляет этот барьер. Значит, теперь можно заранее готовиться к засухам, наводнениям и другим последствиям Эль-Ниньо. И всё это считается на обычном компьютере за секунды, а не на суперкомпьютере.

Модель обучается всего на 486 точках (40,5 года данных), но прогнозирует на 94,5 года вперёд. При этом вычислительные затраты на прогноз практически нулевые — в отличие от суперкомпьютерных расчётов физических моделей.

y_{i+2\tau} = A + B(y_{i+\tau} - y_{i-\tau}) + C(y_{i+\tau} - y_{i-\tau}) y_i
Значение ряда через два интервала τ выражается через предыдущие значения
\frac{d^3\hat{y}}{d\hat{t}^3} + \frac{P_2}{P_1}\frac{d^2\hat{y}}{d\hat{t}^2} + \frac{P_3}{P_1}\frac{d\hat{y}}{d\hat{t}} + \frac{P_4}{P_1}\hat{y} = 0
Эквивалентное ОДУ, описывающее динамику медленного многообразия
y_{i+\tau} = A + B y_i + C y_{i-\tau}
Линейный аналог, используемый как базовый уровень
Понятия
весенний барьер предсказуемости модель Джина–Тиммермана южная осцилляция эль-ниньо энсо многомерный индекс ЭНСО индекс Эль-Ниньо модель осциллятора с подзарядкой распространение экваториальных волн ERSST ла-нинья южная осцилляция естественная изменчивость относительный они буйковые станции TAO/TRITON сезонный цикл стохастическая динамическая система прогноз NOAA CPC NOAA PMEL TAO вспышка западных ветров