Тот же метод искусственного интеллекта, который обычно используется в системах распознавания лиц, может помочь улучшить прогнозирование града и его серьезности, согласно новому исследованию Национального центра атмосферных исследований (NCAR).
Вместо того, чтобы сосредоточиться на особенностях отдельных лиц, ученые обучили модель глубокого обучения, называемую сверточной нейронной сетью, распознавать особенности отдельных штормов, влияющих на образование града, и размер градин. которые, как известно, трудно предсказать.
Многообещающие результаты, опубликованные в Ежемесячном обзоре погоды Американского метеорологического общества, подчеркивают важность учета всей структуры шторма, что было сложно сделать с помощью существующих методов прогнозирования града.
«Мы знаем, что структура шторма влияет на то, может ли шторм вызвать град», - сказал ученый NCAR Дэвид Джон Гане, возглавлявший исследовательскую группу. «Суперячейка с большей вероятностью вызовет град, чем, например, линия шквала. Но большинство методов прогнозирования града просто рассматривают небольшой фрагмент шторма и не могут различить более широкую форму и структуру».
Исследование было поддержано Национальным научным фондом, который является спонсором NCAR.
«Град, особенно крупный град, может иметь значительные экономические последствия для сельского хозяйства и собственности», - сказал Ник Андерсон, сотрудник программы NSF. «Использование этих инструментов глубокого обучения уникальными способами даст дополнительную информацию об условиях, способствующих выпадению крупного града, и улучшит прогнозы моделей. Это творческое и очень полезное слияние научных дисциплин».
Форма бурь
Вызывает ли шторм град или нет зависит от множества метеорологических факторов. Воздух должен быть влажным вблизи поверхности земли, но сухим выше. Уровень замерзания в облаке должен быть относительно низким по отношению к земле. Необходимы сильные восходящие потоки, которые удерживают град в воздухе достаточно долго, чтобы он стал больше. Изменения направления и скорости ветра на разных высотах во время шторма также играют роль
Но даже при соблюдении всех этих критериев размер образующихся градин может значительно различаться в зависимости от пути, по которому градины проходят через шторм, и условий на этом пути. Вот где в игру вступает структура шторма.
«Форма шторма действительно важна», - сказал Ганье. «В прошлом мы, как правило, сосредотачивались на отдельных точках шторма или вертикальных профилях, но горизонтальная структура также очень важна».
Существующие компьютерные модели ограничены в том, на что они могут смотреть, из-за математической сложности, необходимой для представления физических свойств всего шторма. Машинное обучение предлагает возможное решение, потому что оно позволяет обойтись без модели, которая фактически решает всю сложную физику шторма. Вместо этого нейронная сеть машинного обучения способна обрабатывать большие объемы данных, искать закономерности и обучать себя тому, какие особенности шторма имеют решающее значение для точного прогнозирования града.
Для нового исследования Ганье обратился к модели машинного обучения, предназначенной для анализа визуальных изображений. Он обучил модель, используя изображения смоделированных штормов, а также информацию о температуре, давлении, скорости и направлении ветра в качестве входных данных и имитации града в результате этих условий в качестве выходных данных. Моделирование погоды было создано с использованием модели прогнозирования и исследования погоды (WRF) на основе NCAR.
Модель машинного обучения затем выяснила, какие особенности шторма коррелируют с тем, идет ли град или нет, и насколько велики градины. После того, как модель была обучена, а затем продемонстрировала, что она может делать успешные прогнозы, Ганье взглянул, чтобы увидеть, какие аспекты шторма нейронная сеть модели считает наиболее важными. Он использовал метод, который, по сути, запускал модель в обратном направлении, чтобы точно определить комбинацию характеристик шторма, которые должны были бы собраться вместе, чтобы дать самую высокую вероятность сильного града.
В целом, модель подтвердила те черты шторма, которые ранее были связаны с градом, сказал Ганье. Например, штормы, которые имеют давление ниже среднего вблизи поверхности и давление выше среднего вблизи вершины шторма (сочетание, которое создает сильные восходящие потоки), с большей вероятностью вызовут сильный град. Так же и штормы с ветрами, дующими с юго-востока у поверхности и с запада наверху. Штормы более круглой формы также чаще всего вызывают град.
Создание случайных лесов, тестирование с реальными штормами
Это исследование основано на предыдущей работе Ганя с использованием другой модели машинного обучения, известной как случайный лес, для улучшения предсказания града. Вместо анализа изображений случайные модели леса задают ряд вопросов, очень похожих на блок-схему, которые предназначены для определения вероятности града. Эти вопросы могут включать в себя, выше или ниже определенного порога точка росы, температура или ветер. Каждое «дерево» в модели задает небольшие варианты вопросов, чтобы прийти к независимому ответу. Затем эти ответы усредняются по всему «лесу», что дает более надежный прогноз, чем для любого отдельного дерева.
В этом исследовании, опубликованном в 2017 году, Ганье использовал фактические наблюдения за штормом в качестве входных данных и размеры града, оцененные с помощью радара, в качестве выходных данных для обучения модели. Он обнаружил, что модель может улучшить прогнозирование града на целых 10%. Модель машинного обучения работала в оперативном режиме в течение последних нескольких весен, чтобы предоставить синоптикам на местах доступ к дополнительной информации при прогнозировании града. Ганье находится в процессе проверки того, как модель работала в течение этих нескольких сезонов.
Следующим шагом для более новой модели машинного обучения является также начало ее тестирования с использованием наблюдений за штормом и града, оцененного с помощью радара, с целью перевода этой модели в оперативное использование. Над этим проектом Ганье сотрудничает с исследователями из Университета Оклахомы.
«Я думаю, что этот новый метод обещает помочь синоптикам лучше предсказывать погодные явления, способные нанести серьезный ущерб», - сказал Ганье. «Мы рады продолжить тестирование и уточнение модели с помощью наблюдений за реальными штормами».