Как выбрать лучшие прогнозы Эль-Ниньо: совет старейшин ✛

Оригинал: "Leveraging GNN to Enhance MEF Method in Predicting ENSO"
arXiv:2508.07410 · 2025-08-10 · CC0 1.0 · 1 мин
Из 80 прогнозов Эль-Ниньо учёные отобрали 20 самых согласованных, построив сеть, где похожие прогнозы соединены линиями.

Когда 80 человек пытаются угадать погоду на два года вперёд, одни ошибаются реже, другие чаще. Вместо того чтобы слушать всех и брать среднее, учёные построили сеть: каждый прогноз — точка, а линия между точками означает, что прогнозы похожи по ошибке и по тому, как синхронно меняются их значения.

В этой сети нашлась плотная группа из 20 прогнозов, которые держатся вместе. Их среднее оказалось точнее, чем среднее всех 80.

Эти 20 прогнозов меньше разбегаются между разными сроками и плавнее переходят от Эль-Ниньо к Ла-Нинья. На сроке до 23 месяцев они ловят почти половину всех событий, а корреляция с реальностью остаётся выше 0.4. Раньше было неясно, как выбрать надёжные прогнозы, а теперь ясно: нужно искать согласованное ядро, как совет старейшин среди толпы. Такой метод можно применить и к другим задачам, где много прогнозов: от климата до финансов.

Модель обучали на данных с 1875 по 1975 год, а проверяли на 2000–2017 годах. Между этими периодами — четверть века, которую модель никогда не видела. Такой разрыв специально оставили, чтобы избежать эффекта памяти океана и проверить, работает ли прогноз в совсем других условиях.

Понятия
многомерный индекс ЭНСО ансамблевый прогноз индекс Эль-Ниньо энсо весенний барьер предсказуемости модель Джина–Тиммермана южная осцилляция эль-ниньо графовая нейронная сеть буйковые станции TAO/TRITON регрессия нейронной сети распространение экваториальных волн прогноз NOAA PMEL TAO ERA5 ERSST модель Зебиака–Кейна генеративно-состязательные сети случайный лес максимальное правдоподобие ансамблевое среднее