📊 Новое поколение субсезонных прогнозов на базе ИИ При создании субсезонных прогнозов я всегда опирался на два проверенных инструмента: ансамблевые прогнозы Европейского центра среднесрочных прогнозов погоды (ECMWF) и американский ансамбль GEFS. Их продукция периодически появлялась в этой группе, и долгое время альтернатив им попросту не существовало. Но с развитием нейросетей и машинного обучения на сцену начали выходить принципиально новые модели, основанные на данных. И они превосходят классические физические модели практически на всех временных горизонтах. Самый наглядный пример нового подхода — ИИ-модель AIFS от ECMWF. Её появление фактически дало старт глобальной гонке, в которую включились Европа, США и Китай. Китайским учёным удалось создать модель FuXi, которая в среднесрочных прогнозах на 10 суток даже превзошла AIFS. Но главное — именно с FuXi начался переход на большие временные масштабы. Так родилась FuXi-S2S — первая оперативная субсезонная ИИ-модель, способная заглядывать на срок до шести недель. Научная основа модели опубликована в журнале Nature Communications. Построенная на её базе операционная метеорологическая система получила имя Fengshun (кит. «Попутный ветер»), или Фэншунь в русской транскрипции. Систему разработала команда из Метеорологического управления Китая (CMA) и Фуданьского университета (FDU). Различные версии модели Fengshun заняли первые места в весеннем (MAM) и летнем (JJA) сезонах международного соревнования AI Weather Quest, обойдя по точности классическую физическую модель IFS — признанный эталон, используемый ECMWF. Модель увеличила горизонт точного прогнозирования осцилляции Маддена — Джулиана — ключевого климатического явления, влияющего на погоду всей планеты — с 30 до 36 дней. Шесть дополнительных дней на субсезонном масштабе — это колоссальный скачок. Fengshun блестяще спрогнозировала аномальное наводнение в Пакистане в 2022 году за четыре недели до его начала. Для сравнения: классическая модель ECMWF до последнего занижала масштабы бедствия. Китайские учёные доказали, что модель не просто угадывает. Проанализировав её алгоритмы, они обнаружили: для предсказания экстремальных осадков в Пакистане ИИ анализировал температуру поверхности океана за тысячи километров, фактически отслеживая явление Ла-Нинья. Это убедительное свидетельство того, что нейросеть «понимает» физические закономерности планетарного масштаба. Модель выдаёт ежедневный прогноз на 42 дня вперёд. Генерация полного прогноза занимает всего 7 секунд на одной видеокарте NVIDIA A100. Для классических численных моделей, требующих суперкомпьютеров и часов вычислений, это немыслимая скорость. Нейросеть натренирована на 67 годах исторических данных о погоде из реанализа ERA5. Главная инновация Fengshun — уникальный подход к созданию ансамблей (множества вариантов прогноза для оценки неопределённости). Вместо того чтобы просто вносить возмущения в начальные погодные данные — как делают классические модели — ИИ сжимает всю метеорологическую информацию в математическое «скрытое пространство» (latent space) и добавляет вероятностные возмущения непосредственно там. Такой подход не даёт прогнозу «рассыпаться» и терять детали со временем — хроническая проблема стандартных субсезонных моделей. Ежедневные прогнозы модели публикуются на платформе MAZU Всемирного метеорологического центра в Пекине. MAX
Российское гидрометеорологическое общество (РГМО)
Subscribers
983
−3 24h
Reach per post (ERR)
5.2%51 avg views
Posting
10.2/day
last 11 hours ago
Reactions per 1K views
3.4
❤ 👍 😱
Views over time
| When | Views |
|---|---|
| 5 Oct 2026, 06:56 | 0 |
| 13 Nov 2026, 04:50 | 36 |
Who shared this post
Posts in other channels we index that link to this one. (Forwards with a hidden source can't be traced.)
Nobody yet.