Сеть предупреждает об Эль-Ниньо за год

Оригинал: "Using Network Theory and Machine Learning to predict El Niño"
arXiv:1803.10076 · 2018-03-27 · CC BY 4.0 · 2 мин
Океан шепчет парами, прежде чем закричать: новый гибридный прогноз ловит этот шёпот за 12 месяцев.

В 2010 году Тихий океан готовил мощный Эль-Ниньо, но все прогностические модели дружно его переоценили. Они смотрели на температуру воды и не видели главного: океан уже начал перестраиваться, но не громко, а тихо, попарно связывая далёкие точки. Эль-Ниньо — это тёплый язык воды в восточной части Тихого океана, который раз в несколько лет меняет погоду от Австралии до Перу. Проблема в том, что весной прогнозы слепнут: так называемый весенний барьер предсказуемости обрезает горизонт до шести месяцев.

Новая модель слушает не только температуру, но и связи внутри океана. Учёные построили климатическую сеть: каждая точка на карте — узел, а связь между точками возникает, когда их колебания совпадают. Оказалось, перед Эль-Ниньо океан начинает «шептаться» парами: растёт доля узлов, у которых есть ровно один партнёр. Этот показатель называется c2, и он начинает расти за год до события.

c2 — это просто доля узлов, которые образуют пары. В климатической сети он растёт, когда локальные корреляции усиливаются перед Эль-Ниньо, и падает после. По сути, океан начинает «шептаться» парами, прежде чем закричать.

Модель работает в два шага. Сначала классическая статистика ARIMA улавливает линейную часть: сезонные колебания и инерцию. Затем нейросеть доучивает нелинейные отклонения, которые статистика пропустила. В сеть подают не только сам индекс температуры NINO3.4, но и объём тёплой воды, порывы западного ветра и синусоиду годового цикла. Для прогноза на 12 месяцев вместо объёма тёплой воды используют тот самый c2.

Результат удивил даже авторов. На сроках 3–6 месяцев гибридная модель обошла ансамблевый прогноз CFSv2, который считается стандартом. В январе 2010 года все члены ансамбля переоценили индекс, а гибридная модель дала точное значение. Ошибка прогноза на 4 месяца вперёд была почти на четверть ниже. Но главное — прогноз на 12 месяцев с c2 оказался не хуже, а иногда и лучше прогноза на 6 месяцев. Средняя ошибка для года вперёд составила 0.018, для полугода — 0.017.

Это первый случай, когда статистическая модель достигает горизонта в 12 месяцев без потери качества. Раньше считалось, что весенний барьер непреодолим.

Возможно, барьер был не стеной хаоса, а просто нехваткой информации. Достаточно было научиться слышать шёпот пар, и океан стал предсказуемым на год вперёд. Теперь метеорологические центры могут предупреждать о засухах и наводнениях задолго до того, как океан закричит.

Сетевой показатель c2 — это просто доля узлов, которые образуют пары. В климатической сети он растёт, когда локальные корреляции усиливаются перед Эль-Ниньо, и падает после. По сути, океан начинает «шептаться» парами, прежде чем закричать.

NRMSE(y_A, y_B) = \frac{1}{\max(y_A, y_B) - \min(y_A, y_B)} \sqrt{\frac{\sum_{k=1}^{n} (y_A^k - y_B^k)^2}{n}}
Ошибка прогноза, делённая на размах наблюдаемых значений; чем меньше, тем лучше.
c_s = \frac{s n_s}{N}
Доля узлов, входящих в кластеры размера s; для s=2 это пары связанных узлов.
Z_t = Y_t + N_t
Наблюдаемый ряд раскладывается на линейную часть Y_t (ARIMA) и нелинейный остаток N_t (нейросеть).
Понятия
весенний барьер предсказуемости южная осцилляция эль-ниньо регрессия нейронной сети энсо модель Джина–Тиммермана индекс Эль-Ниньо ла-нинья многомерный индекс ЭНСО нейронные сети прогностического обучения распространение экваториальных волн модель Зебиака–Кейна ансамблевый прогноз машинное обучение навык прогноза NOAA CPC ERSST NOAA PMEL TAO относительный они буйковые станции TAO/TRITON предсказание