
Метод прогнозирования погоды, при котором выполняется множество симуляций с немного различающимися начальными условиями для оценки неопределённости.Ансамблевое прогнозирование — это метод, используемый в прогнозах погоды и климата, который признаёт inherent ограничения точного знания состояния атмосферы. Вместо одного прогона модели с единственного набора начальных условий, он выполняет множество прогонов, каждый из которых стартует с немного отличающегося, но правдоподобного состояния. Разброс между этими прогонами даёт прогнозистам меру уверенности: если все прогоны согласуются, прогноз надёжен; если они сильно расходятся, исход неопределён. Этот подход превращает единственное детерминированное предположение в вероятностный прогноз, отвечая на вопросы типа «Какова вероятность дождя завтра?», а не просто «Будет ли дождь?»
Концепция была впервые разработана в 1960-х годах Эдвардом Лоренцем, который обнаружил хаос в погодных системах, но практическое ансамблевое прогнозирование для оперативного использования началось в 1990-х годах в Европейском центре среднесрочных прогнозов погоды (ECMWF) и в Национальных центрах экологического прогнозирования США (NCEP).
Атмосфера хаотична, что означает, что крошечные различия в начальных условиях могут привести к большим различиям в результатах. Ансамблевое прогнозирование использует это, намеренно возмущая начальные условия — например, добавляя небольшой случайный шум, согласующийся с ошибкой наблюдений, — а затем запуская численную модель погоды для каждого возмущённого состояния. Совокупность выходных данных модели образует ансамбль. Статистический анализ ансамбля, такой как вычисление среднего или процента членов, превышающих порог, даёт вероятности и диапазоны неопределённости. Более продвинутые ансамбли также варьируют параметры модели или используют несколько моделей для учёта структурных неопределённостей.
Ансамблевые прогнозы ежедневно используются метеорологическими агентствами по всему миру для создания вероятностных прогнозов погоды, а также применяются для сезонных климатических прогнозов и прогнозирования траекторий ураганов.
Число членов ансамбля в операционных системах колеблется от примерно 20 до более 50, но исследовательские эксперименты показали, что даже несколько десятков членов улавливают большую часть полезной информации о неопределённости.



















