Нейросеть слышит шёпот океана за три месяца до шторма ✛ ✎

Оригинал: "CAS-Canglong: A skillful 3D Transformer model for sub-seasonal to seasonal global sea surface temperature prediction"
arXiv:2409.05369 · 2024-09-09 · arXiv non-exclusive · собственный разбор · 2 мин
Программа, обученная на 51 годе наблюдений, предсказывает температуру поверхности моря точнее 22 физических моделей.

Переводчик в огромном зале слышит не только соседа, но и шёпот в дальнем углу, и по этим обрывкам восстанавливает всю беседу. Так работает нейросеть CAS-Canglong: она улавливает связи между давлением, ветром и теплом по всей планете и по ним предсказывает, каким станет океан через три месяца.

Раньше прогноз на срок от двух недель до сезона был слабым местом метеорологии. Атмосфера быстро забывает, что было вчера, а океан ещё не накопил сил, чтобы диктовать погоду. Физические модели требуют суперкомпьютеров и всё равно ошибаются, особенно вдали от тропиков. Новая нейросеть училась на 51 годе записей о погоде и теперь выдаёт прогноз за секунды на обычной видеокарте.

Модель предсказала 85% событий Эль-Ниньо и Ла-Нинья за три месяца до их начала. Для сравнения: лучшие физические модели дают около 70%.

В южных океанах корреляция прогноза с реальностью достигает 0,9 на месяц вперёд и 0,7 на три месяца. Это значит, что если нейросеть говорит о потеплении воды у берегов Австралии, то с высокой вероятностью так и будет. Ошибка в площади тёплого бассейна Индо-Тихоокеанского региона составила всего 3,8%.

Раньше физические модели давали большие ошибки на таких сроках, особенно во внетропических широтах. Теперь нейросеть предсказывает глобальное поле температуры океана точнее всех 22 физических моделей. Секрет в том, что она не пытается воспроизвести физику, а учится на исторических данных, как переводчик, который выучил язык по тысячам разговоров.

Такой прогноз можно включать в системы раннего предупреждения о засухах, наводнениях и волнах жары. Фермер узнает о неурожае за месяцы, энергетики подготовятся к пиковым нагрузкам, а страховые компании точнее оценят риски. Переводчик, который слышит весь зал, наконец-то переводит не отдельные слова, а весь разговор планеты.

Название модели Canglong отсылает к мифическому дракону из древнекитайской мифологии, который управляет дождями. Модель обучалась на данных с 1959 года — за это время температура океана в тропиках выросла примерно на 0,5 °C.

В романе Кима Стэнли Робинсона «Министерство будущего» жара в Индии становится триггером глобальных изменений. Точный прогноз температуры океана за месяцы вперёд мог бы дать время на подготовку к таким событиям.

L_{fmse} = \frac{1}{T_{out}} \sum_{t=1}^{T_{out}} (X_{t,l} - \hat{X}_{t,l})^2
Штраф за отклонение предсказанной температуры от фактической, усреднённый по всем месяцам прогноза
L_{corr} = \frac{1}{T_{out}} \sum_{l=2}^{T_{out}} \max\{0, 0.5 - \frac{\sum_{t=1}^{T} (x_{t,l} - \bar{X}_l)(\hat{x}_{t,l} - \bar{\hat{X}}_l)}{\sqrt{\sum_{t=1}^{T} (x_{t,l} - \bar{X}_l)^2} \sqrt{\sum_{t=1}^{T} (\hat{x}_{t,l} - \bar{\hat{X}}_l)^2}}\}
Дополнительный штраф, если корреляция между прогнозом и наблюдениями падает ниже 0,5 на сроках от двух месяцев
RMSE = \sqrt{\frac{\sum_{i=1}^{N_{lon}} \sum_{j=1}^{N_{lat}} W(i) (\hat{X}_{i,j,l} - X_{i,j,l})^2}{N_{lon} \times N_{lat}}}
Ошибка прогноза, взвешенная по косинусу широты, чтобы учесть разный размер ячеек сетки
Понятия
аномалия температуры поверхности моря температура поверхности моря NOAA CPC энсо весенний барьер предсказуемости прогноз эль-ниньо ла-нинья NOAA PMEL TAO ERSST Ниньо 4 модель Джина–Тиммермана OISST v2.1 навык прогноза модель Зебиака–Кейна IRI диполь индийского океана североатлантическая осцилляция южная осцилляция связь океана и атмосферы