AI förbättrar väderprognoser: Forskare fördubblar tillförlitligheten för prognoser 2 till 6 veckor framåt

Dagens väderprognoser är relativt tillförlitliga för perioder på upp till 10 dagar. Temperaturer, nederbörd, vind och tidpunkten för enskilda väderförlopp kan ofta förutsägas med rimlig noggrannhet.

Befintliga prognossystem får dock problem när prognoserna sträcker sig till det subsäsongsmässiga intervallet, ungefär två till sex veckor framåt. På den tidshorisonten fokuserar prognoserna mer på sannolikheter, temperaturavvikelser, nederbördsmönster och en ökad risk för vissa väderförhållanden.

Mer träffsäkra prognoser skulle kunna ge betydande fördelar, särskilt för jordbruket. Jordbrukare skulle bättre kunna förbereda sig för perioder av torka eller kraftig nederbörd och anpassa sina planer för sådd, bevattning, gödsling och skörd därefter. Dessa prognoser är också viktiga för krishantering och katastrofberedskap.

Forskare vid MIT arbetar med att förbättra prognosernas träffsäkerhet. I stället för att bara träna en AI-modell att göra bättre prognoser använder de AI för att identifiera återkommande eller systematiska fel i befintliga prognosmodeller som modellernas utvecklare inte tidigare har upptäckt, och sedan korrigera dem. Studien publicerades i Nature.

Efter att ha tillämpat sin maskininlärningsmodell på den modell som utgör guldstandarden bland befintliga prognosmodeller kunde forskarna fördubbla prognosernas tillförlitlighet för perioden två till sex veckor framåt.

De tillämpade också sin AI på mindre avancerade prognosmodeller, vilket avsevärt minskade prestandagapet mellan dessa system och den ledande modellen. MIT-forskarna hoppas kunna använda tekniken över hela världen, särskilt i regioner där tidiga varningar för naturkatastrofer är särskilt viktiga.