Google AI представила MetNet-2 — улучшенную версию модели для предсказания погоды MetNet. MetNet-2 позволяет прогнозировать погоду на 12 часов вперед с пространственным разрешением 1 км и временным разрешением 2 минуты.
Применение моделей глубокого обучения к прогнозам погоды востребовано не только для использования обычными пользователями, но и в таких сферах, как производство продуктов питания, транспорт и энергетика. Прогнозы погоды обычно основываются на физических моделях и рассчитываются с использованием крупнейших суперкомпьютеров. Такой подход ограничен высокими вычислительными требованиями и чувствительностью прогнозов к используемым физическим приближениям.
Глубокое обучение предлагает новый подход к вычислению прогнозов погоды. Вместо того, чтобы явно учитывать физические законы, модели глубокого обучения учатся предсказывать погодные условия непосредственно на основе наблюдаемых данных и работают быстрее традиционных методов, а также обладают потенциалом для увеличения точности прогнозов.
Первая версия MetNet на основе радиолокационных данных и спутниковых изображений строила прогнозы максимум на 8 часов вперед. Новая модель использует в 4 раза больше входных данных, используя данные на площади 64х64 км в окрестности области, для которой генерируется прогноз (см. рис. ниже). Также модель учитывает предварительно рассчитанные температуру, влажность и направление ветра в начальный момент времени аналогично тому, как это делается в физических моделях.
Прогнозы MetNet-2 являются суперпозициями всех возможных погодных условий с весами, соответствующими вероятности их реализации. Из-за своей вероятностной природы MetNet-2 можно сравнить с физическими ансамблевыми моделями. MetNet-2, однако, строит прогноз примерно за 1 секунду, а ансамблевые модели — за 1 час.
