Прогноз на несколько дней сегодня вполне надежен, но после двух недель его точность резко падает: ошибки накапливаются, а хаотичная атмосфера «забывает» начальные условия. Диапазон от двух до шести недель метеорологи называют субсезонным, а авторы работы, опубликованной в Nature, – «пустыней предсказуемости».
ИИ научил прогнозы погоды заглядывать на месяц вперед
Исследователи из Microsoft Research, Массачусетского технологического института и Европейского центра среднесрочных прогнозов погоды (ECMWF) представили метод, который заметно повышает точность прогнозов на три-четыре недели вперед. Алгоритм не моделирует атмосферу с нуля, а исправляет систематические ошибки существующих моделей – как физических, так и нейросетевых.
Прогноз на три-четыре недели тонет в тумане. https://www.microsoft.com/
Эффект бабочки. В 1961 году метеоролог Эдвард Лоренц из MIT повторил расчет, введя в начальные данные значение 0,506 вместо 0,506127, и получил абсолютно другой прогноз. Так был открыт «эффект бабочки» – чувствительность хаотических систем к начальным условиям. Предел предсказуемости погоды Лоренц оценил примерно в две недели. Субсезонные прогнозы (на три-четыре недели, которые делают авторы новой работы) обходят этот барьер: они предсказывают не погоду конкретного дня, а вероятность отклонения от климатической нормы.
Между тем именно такие прогнозы нужны для распределения воды, подготовки к засухам и наводнениям, планирования сева и для энергетики. Даже модель ECMWF, лучшая в мире, на этих сроках нередко проигрывает климатической норме. Получается, что на таких сроках колоссальная вычислительная работа просто бесполезна — ее результат не лучше, а часто даже хуже, чем климатический календарь, в котором отражена обычная погода в регионе.
Спутники с полярной орбитой — основа точных прогнозов ураганов.
Продолжение ниже
Видео
Продолжение
Новый метод – вероятностная коррекция смещения (probabilistic bias correction, PBC). Он берет ансамбль – десятки расчетов с чуть разными начальными условиями – и превращает его в распределение вероятностей по пяти диапазонам, от «намного холоднее нормы» до «намного теплее». Затем два легких и быстрых алгоритма вносят поправки. Первый вычитает типичную ошибку, которую модели допускали в это время года за последние 20 лет. Второй, линейная регрессия для каждой ячейки сетки, покрывающей земной шар, учитывает недавние наблюдения и климатологию. Систему переобучают каждый день. По словам авторов, PBC нацелен на предсказуемые ошибки, а не пытается заново выучить всю динамику атмосферы.
Вдвое лучше эталона
Пример прогноза температуры на 3–4-ю неделю, охватывающего двухнедельный период, начинающийся 5 февраля 2018 года. Прогноз представлен в левом верхнем углу, а в правом верхнем — фактические аномалии температуры. В левом нижнем углу — прогноз, полученный с помощью оперативной динамической модели США «Система климатического прогнозирования» (Climate Forecasting System) версии
Для ансамбля ECMWF за 2016–2024 годы PBC утроил качество прогноза осадков на третью-четвертую неделю, а прогнозы температуры и давления, уступавшие климатической норме, стали полезными. Даже по сравнению с уже скорректированными прогнозами ECMWF выигрыш по температуре составил 26–37%. Качество нейросетевой модели AIFS-SUBS выросло примерно вдвое, точность предсказания наводнений – на 76–92%.
Главная проверка – соревнование AI Weather Quest, которое ECMWF проводит в реальном времени с августа 2025 года. Система MicroDuet на основе PBC обошла 34 команды и модели шести ведущих метеоцентров и стала первой по итогам года. В ноябре 2025-го она за месяц предсказала декабрьское похолодание на востоке США, которое пропустил ECMWF.
Абсолютные показатели все еще скромны, признают авторы, а метод лишь исправляет ошибки исходной модели. Зато он дешев и пригодится метеослужбам небогатых стран. Код модели открыт.
Загружаем