Модель долгосрочного прогноза аномалий погоды (интервью с сотрудником ИПТС)

Продолжаем рубрику: «Интервью с научными сотрудниками ИПТС».

Знакомьтесь: Лубков Андрей Сергеевич, младший научный сотрудник Лаборатории крупномасштабного взаимодействия океана и атмосферы и изменений климата Института природно-технических систем. В 2012 окончил Севастопольский национальный технический университет (ныне Севастопольский государственный университет) по специальности «Физика. Биофизика» (бакалавр) параллельно окончил Одесский экологический университет по специальности «Метеорология. Гидрология» (бакалавр). В 2014 году окончил магистратуру в Одесском экологическом университете по специальности «Океанология».

В начале 2022 года Лубковым Андреем Сергеевичем запущена модель долгосрочного прогнозирования среднемесячных аномалий основных метеорологических характеристик для региона Севастополя. Модель работает в режиме реального времени и в начале каждого месяца обновляет прогнозы на 9–12 месяцев вперед, а результаты расчетов модели доступны на сайте neuroclimate.com.

— Расскажите подробней о вашем методе прогнозирования?

 Андрей: В основе алгоритма модели лежит один из методов искусственных нейронных сетей. Алгоритм модели условно можно поделить на три ключевых шага. На первом шаге с некоторым временным сдвигом анализируются статистические связи между глобальными метеорологическими и океанологическими полями и моделируемой величиной. В результате этого анализа рассчитываются индексы океанических и метеорологических характеристик. На втором шаге полученные индексы подаются на вход модели, в основе которой лежит обычная линейная нейронная сеть с учителем. Ее также называют линейным персептроном. Модель обучается с использованием фрагмента входных данных. Особенностью предложенного метода является особый подход к взаимодействию входных индексов и нейронной сети. Дело в том, что, если на вход нейронной сети подавать все индексы сразу, результат моделирования будет неудовлетворительным, поэтому в предложенном методе рассчитывается множество нейронных сетей с разным количеством входных индексов. На третьем шаге выбирается 20 наилучших нейронных сетей, которые затем объединяются путем простого осреднения, а качество моделирования оценивается на контрольном фрагменте данных.

— Прогноз каких метеорологических характеристик доступен в режиме реального времени на сегодня?

 Андрей: В режиме реального времени на сайте можно наблюдать прогноз среднемесячной температуры воздуха в Севастополе, а также экстремальных величин (25 и 75 квантили) суточных температур внутри месяца и осадков в районе горы Ай-Петри.

— В районе Ай-Петри?

 Андрей: Да. Осадки на Ай-Петри являются основным источником пополнения Чернореченского водохранилища. Заблаговременный прогноз этих осадков может предупредить о возможном дефиците водных запасов.

— Можно ли верить прогнозам модели?

 Андрей: Смотря для какого месяца. На сайте я добавил коэффициент корреляции на контрольной выборке, условно говоря, если он ниже 0.7, то достоверность прогноза невелика. К сожалению, прогнозы на февраль и март этого года недостаточно надежны. А вот прогнозы температурных аномалий на декабрь 2021 и январь текущего года более надежные и, следовательно, были подтверждены реальными значениями температуры этой зимой.

— Вы планируете расширить список городов, для которых будут даваться прогнозы?

 Андрей: Да, такие планы есть. В каком формате это будет, пока не могу точно сказать. Есть несколько вариантов: либо это будет список городов, либо глобальная карта температурных аномалий, или же и то, и другое.

— Какие еще задачи способна решить модель, кроме прогноза температуры и осадков?

 Андрей: Модель способна прогнозировать практически любой параметр линейно или нелинейно связанный с атмосферой и океаном. Основное условие для прогноза – длина прогнозируемого ряда, которая должна быть не менее 60 лет наблюдений, это необходимый минимум для обучения нейронной сети и вывода о применимости модели на независимом отрезке данных. На более ранних стадиях разработки модель уже использовалась для моделирования временных рядов среднемесячной прозрачности, солености и температуры морской воды, прогнозов биоклиматических индексов и индексов рекреационной комфортности, повторяемости циклонов, стока реки Дунай и даже для прогноза начала явлений Эль-Ниньо и Ла-Нинья. В ряде случаев модель показала весьма конкурентноспособные результаты. Некоторые из перечисленных прогнозов в будущем будут добавлены на сайт.

— Раз Вы заговорили о конкуренции, есть ли аналоги таких прогнозов в России и мире? Какие преимущества предложенной модели по сравнению с классическими методами?

 Андрей: Конечно, как в России, так и в мире долгосрочные прогнозы – весьма актуальный вопрос. У нас в стране вопросами долгосрочных прогнозов занимается Росгидромет. Насколько мне известно из литературных источников, в Росгидромете для долгосрочных прогнозов используют как физико-статистические методы, так и гидродинамические, а прогностическую карту составляют эксперты на основе анализа всех используемых методов. За рубежом есть несколько ведущих центров, занимающихся такими прогнозами. Среди них можно выделить Европейский центр среднесрочных прогнозов погоды, Климатический центр прогнозов США и Метеорологическое бюро Великобритании. Обычно для прогнозов этими центрами используются модели глобальной циркуляции атмосферы и океана. Однако качество прогнозов существенно зависит от заблаговременности. Преимуществом нашей же модели является сравнительно низкие потери в качестве прогноза с увеличением заблаговременности.

 — Какая нас ждет весна? И может даже лето?

 Андрей: В апреле температурные показатели будут в пределах климатической нормы. Май будет теплее обычного на 1.5–2.5°С, июнь и август – примерно на 1–1.5°С, октябрь – на 1.5–2.5°С. По предварительным прогнозам, можно уже даже сказать несколько слов о ноябре, декабре и даже январе 2023 год: ноябрь текущего года будет незначительно прохладнее нормы, а декабрь и январь 2023 – теплее. Что касается наполняемости Чернореченского водохранилища, то практически для каждого месяца, кроме октября, модель показала количество осадков в районе Ай-Петри около нормы. Исключением могут быть только март и июль – больше нормы. Все прогнозы уточняются по мере уменьшения их заблаговременности, поэтому следите за нашими прогнозами на сайте neuroclimate.com.

— Где можно подробнее ознакомиться с моделью и результатами?

Андрей: Подробно с описанием метода моделирования и различными результатами можно ознакомиться в научных публикациях:

Lubkov, A.S., Voskresenskaya, E.N., Marchukova, O.V. Forecasting El Niño/La Niña and Their Types Using Neural Networks. Russ. Meteorol. Hydrol. 45, 806–813 (2020).  https://doi.org/10.3103/S1068373920110084

Lubkov A.S., Voskresenskaya E.N., Marchukova O.V. Application of a neural network model to forecasting of El Niño and La Niña // //  IOP Conf. Ser.: Earth Environ. Sci., 2019, V.386, 012040.   https://doi.org/10.1088/1755-1315/386/1/012040

Лубков А.С., Воскресенская Е.Н., Кукушкин А.С. Метод восстановления среднемесячных значений прозрачности воды на примере северо-западной части Черного моря. // Оптика атмосферы и океана. 2016. Т. 29. № 04. С. 343–350.  https://doi.org/10.1134/S1024856016050092

Лубков А.С., Воскресенская Е.Н. Метод нейронных сетей для климатического прогнозирования водности Чернореченского водохранилища // Системы контроля окружающей среды. 2021. Вып. 2 (44). C. 16–28.  https://doi.org/10.33075/2220-5861-2021-2-16-28

Maslova, V.N., Voskresenskaya, E.N., Lubkov, A.S., Yurovsky, A.V. Temporal Variability and Predictability of Intense Cyclones in the Western and Eastern Mediterranean. Atmosphere 2021. 12. 1218.  https://doi.org/10.3390/atmos12091218

Maslova V.N., Voskresenskaya E.N., Lubkov A.S., Yurovsky A.V., Zhuravskiy V.Y., Evstigneev V.P. Intense Cyclones in the Black Sea Region: Change, Variability, Predictability and Manifestations in the Storm Activity // Sustainability. 2020. V. 12 (11). 4468  https://doi.org/10.3390/su12114468