Совместный семинар ИФА РАН и Гидрометцентра России 10 марта

Во вторник 10 марта в 14.00 в конференц-зале ИФА им. А. М. Обухова РАН (Пыжевский пер., 3,стр.1) состоится очередной совместный семинар ИФА РАН и Гидрометцентра России, на котором выступит Цырульников Михаил Давыдович (заведующий Лабораторией усвоения данных метеорологических наблюдений Гидрометцентра России, к.ф.-м.н.) с докладом «Тенденции развития методов усвоения данных наблюдений для прогноза погоды, с акцентом на применении технологий машинного обучения».

Аннотация

Даётся постановка задачи усвоения данных наблюдений. Обсуждаются произошедшие за последние годы изменения глобальной системы наблюдений за земной атмосферой и вклада различных наблюдений в прогноз погоды. Кратко характеризуются существующие подходы к решению задачи усвоения данных и их методические ограничения.

Основное внимание уделяется бурно развивающимся методам применения нейросетей в усвоении данных. Первое направление развития таких методов – это замена традиционной прогностической модели на очень быструю нейросетевую на шаге прогноза в цикле усвоения данных. Пока это получается не очень хорошо.

Второе направление – это замена компонентов существующих систем усвоения данных, таких как контроль качества, коррекция смещений и т.п, а также разработка нейросетевых операторов наблюдений (прямых моделей). Здесь есть однозначный эффект. В качестве примера приводятся результаты нашей разработки оператора наблюдений спутниковых ветров, производимых по данным измерений со спутников серии Арктика-М.

Третье направление – это замена ядра системы усвоения, вычисляющего анализ по прогнозу и наблюдениям на каждом шаге усвоения. На данный момент такие подходы далеки от конкурентоспособного применения в практике прогноза погоды.

Четвёртое направление – гибридные подходы. Это наше направление на данном этапе. Мы описываем разрабатываемую нами ансамблевую систему усвоения, в которой критически важный компонент извлечения информации из текущего ансамбля прогнозов и оптимального соединения её с априорной («климатической») статистикой осуществляется нейросетью.

И наконец пятое, самое радикальное направление – полная замена анализа и прогноза на одну большую нейросеть. Это чрезвычайно затратное направление разработок и результаты пока значительно уступают традиционным подходам, но над ним работают очень сильные команды и неизвестно каково будет место этого подхода через 3-5 лет.