Научный сотрудник ИПТС выступил с докладом на заседании семинара по моделированию и прогнозу крупномасштабных гидрометеорологических процессов и климата в конференц-зале ФГБУ «Гидрометцентр России»

26 сентября 2023 г. в конференц-зале ФГБУ «Гидрометцентр России» состоялось заседание семинара по моделированию и прогнозу крупномасштабных гидрометеорологических процессов и климата, на котором научный сотрудник Лаборатории крупномасштабно взаимодействия атмосфер и океана и изменений климата Лубков Андрей Сергеевич выступил с докладам «Использование нейросетевых методов для долгосрочного прогноза феномена Эль-Ниньо — Южное колебание и прикладные аспекты» (по материалам диссертации).

Аннотация доклада.

В работе предложен подход к использованию методов нейронных сетей для прогноза состояния Эль-Ниньо – Южное колебание. Моделируемый параметр раскладывался на 2 компоненты: низкочастотную и высокочастотную. Основной акцент внимания в работе обращен к моделированию высокочастотной компоненты с использованием многослойной нейронной сети (МНС). Для моделирования низкочастотной составляющей использовалась множественная линейная регрессия. В качестве входных данных в модель использовались наборы климатических индексов системы океан-атмосфера. Особенностью предложенного подхода является детальный отбор входных в модель предикторов и последующее моделирование с перебором и проверкой всевозможных конструкций многослойной нейронной сети.

На основе подхода, проиллюстрированного на рис.1, была разработана модель прогнозирования экстремальных фаз феномена Эль-Ниньо – Южное колебание (ЭНЮК) – NNM-ENSOv1 (Neural Network Model for ENSO forecast). Предложенная модель отличается низкой чувствительностью к весеннему порогу предсказуемости, за счет чего значительно луче прогнозирует состояние ЭНЮК с заблаговременностью более 7 месяцев в сравнении с динамическими моделями. В задаче прогноза с заблаговременностью 11 месяцев навыки прогнозирования модели NNM-ENSOv1 сопоставимы с современными статистическими моделями, основанными на принципах машинного обучения.

На контрольном промежутке данных с 2007 по 2022 годы проводилась верификация предложенной модели. NNM-ENSOv1 достаточно хорошо воспроизводит события Эль-Ниньо и их тип даже заблаговременно за год: 4 из 5 событий Эль-Ниньо включая их тип были предсказаны верно. Вероятность верного определения условий, характерных для событий Эль-Ниньо, практически не зависит от заблаговременности прогноза и варьируется от 76 до 83%. События Ла-Нинья хорошо воспроизводятся только с небольшой заблаговременностью прогноза. Вероятность верного определения условий явления Ла-Нинья с ростом заблаговременности уменьшается от 85 до 31%.

В работе так же рассматривался прогноз состояния ЭНЮК в 2023 году по предложенной модели NNM-ENSOv1. Модель предсказала эволюцию Ла-Нинья до февраля, нейтральные условия в марте и апреле и начало Эль-Ниньо восточно-тихоокеанского типа с мая 2023 года.  На сегодня (первое полугодие 2023 года) этот прогноз подтвердился.

Кроме способностей модели к прогнозу ЭНЮК, в докладе будут рассмотрены прикладные области применения, а именно, прогноз выпадения осадков в районе           Ай-Петри (Крым), прогноз повторяемости интенсивных циклонов в Черноморском регионе, прогноз температурных характеристик г. Севастополя.

С результатами моделирования в режиме реального времени можно ознакомиться на сайте модели: neuroclimate.com.

Рис. 1. Схема предлагаемой модели: 1) декомпозиция моделируемого ряда; 2) предварительная обработка данных 3) моделирование; 4) результаты моделирования и проверка