Uczenie maszynowe odgrywa coraz większą rolę w prognozowaniu pogody. Numeryczne prognozy pogody mogą powstawać wyłącznie na podstawie uczenia maszynowego lub można wykorzystać metody uczenia maszynowego do poprawy jakości warunków początkowych modeli opartych na równaniach fizycznych. Poniżej przedstawione są wyniki dla drugiego przypadku, gdzie uczenie maszynowe wykorzystane zostało do poprawy warunków początkowych używanych przez numeryczne modele prognoz pogody. Jednym z celów konsorcjum ECMWF jest połączenie numerycznych modeli prognoz pogody opartych na równaniach fizycznych z modelami wykorzystującymi uczenie maszynowe. Pozwoli to na przekroczenie obecnych granic dokładności prognoz pogody przy zachowaniu realizmu i łatwości interpretacji wyników. Zmiany te zostaną wdrożone do operacyjnego systemu prognoz ECMWF z początkiem roku 2025.

Zapraszamy do lektury nowego opracowania #AkademiaCMM dostępnego pod adresem: https://cmm.imgw.pl/?page_id=41938 jak również do całego zbioru Akademii: https://cmm.imgw.pl/?page_id=18845

— UDOSTĘPNIJ —