Размышления о прогнозе погоды⁠⁠

У всех бывает в первый раз. Вот и у меня, не состоявшегося рыцаря свежего, спустя 7 лет чтения пикабу возникла идея поделиться с сообществом. Поскольку фантазии на интересные мемасики у меня не хватает, а фотографий соблазнительных девиц на пикабу достаточно, то напишу о ней, о работе.

Когда-то, в теперь уже далеком 2003 году, я устроился техником 1 категории 7 разряда в Гидрометцентр России. Платили скромно, но для студента любая копеечка была полезной. Тем более, что разрядность, а вместе с ней и оклад, со временем повышались. Я частенько катался в Питер к друзьям, подсадил их на велики, а они меня поставили на доску. Вообщем жизнь, учеба и работа прекрасно дополняли друг друга. Пока не произошло весьма значимое событие, поначалу прошедшее мимо меня: математическую модель моего научрука после испытаний сделали оперативной в Гидромете. К тому моменту научная деятельность, связанная с прогнозом погоды, затягивала меня все больше, а возможностей попрыгать на велике оставалось все меньше. Вместе с тем и в мире происходили супер изменения, которые остались незамеченными в обществе. Одна из публикаций (не моя) в журнале Nature так и называется: "The quiet revolution of numerical weather prediction" - тихая революция в численном прогнозе погоды.

Так получилось, что двигаясь маленькими шажками, но широким фронтом, объединенному сообществу модельеров, синоптиков, измерителей, разработчиков метео-спутников и многим-многим другим коллективам (в том числе, не связанным напрямую с метеорологией) удалось добиться значимого повышения в точности прогноза погоды. Например, еще в 1981 году лучше было бросить монетку, чем довериться прогнозу на 7 дней по компьютерной модели. Однако, к 2015 году оправдываемость прогноза на, например, 3 дня достигла почти 100% (по статье в Nature - 98,5%). Конечно, в этих числах есть доля лукавства: многое зависит от региона, для которого делается прогноз, от полноты метеорологических наблюдений и самих технологий прогнозирования, которые от страны к стране могут существенно отличаться. Но, согласитесь, о прогрессе в точности прогноза погоды мы знаем гораздо меньше, чем, например, о миниспутниках Маска и роботе Федоре.

Необычность достижений в качестве прогноза напрямую связана с удивительной сложностью окружающего мира: в нем одновременно происходит огромное число взаимосвязанных процессов. Причем взаимосвязь настолько запутанная и трудноуловимая, что к ней вполне применимо выражение "эффект бабочки": "незначительное влияние на систему может иметь большие и непредсказуемые последствия, в том числе в совершенно другом месте" (цитата из вики). Другими словами, маленькая вариация в обработанных данных метео-измерений может привести к кардинально другому прогнозу по компьютерной модели! В этом и заключается вызов тем, кто пытается предсказывать погоду: прогноз не может быть абсолютно точен по своей сути, здесь всегда будет место неточностям (хотя бы вследствие ошибок округления).

Но модельеры научились "работать" с "эффектом бабочки". Если, например, от запуска к запуску компьютерной модели у нас получается разный прогноз, то давайте посчитаем пачку прогнозов, осредним их и результат выдадим за целевой прогноз (так называемая технология ансамблевого прогнозирования). Более того, на практике оказалось, что наилучший результат достигается в случае осреднения по прогнозам разных моделей. Мир вокруг нас ведет себя непредсказуемо? Ок, тогда спрячем эту неопределенность в ту часть программного кода модели, что описывает важные, но очень уж мелкие и поэтому трудноразрешимые явления. Добавим, например, мелкий и случайный во времени шум в поле влажности (очень упрощенно), тогда от запуска к запуску модель где-то спрогнозирует дождь, а где-то нет. Но если осадки реально должны быть, то они обязательно воспроизведутся моделью вне зависимости от того шума, что мы добавили. И мы увидим это в осредненном прогнозе.

Другие аспекты? Безусловно. Сами компьютеры, на которых сейчас запускаются модели прогноза погоды - огромнейший прогресс (лишь бы накопителей хватило). Программный код некоторых моделей полностью или частично портирован на графические ускорители. Нейросетевые технологии (во многом ошибочно называемые искусственным интеллектом) - помогают корректировать прогноз, сделанный компьютерной моделью. Методики обработки метео-измерений по сложности сейчас едва ли не превосходит трудоемкость разработки самой прогностической модели. Все это позволило более детально описать все то многообразие происходящих вокруг нас процессов и сделать заметно более точным прогноз на несколько дней вперед.

Пару лет назад я давал интервью журналу "наука и жизнь". Статья начинается с размышлений журналиста о возможном дожде, о необходимости из-за этого захватить с собой зонтик и, внезапно, о прогнозе погоды. А вот завершающую фразу редактор или сам журналист решили выкинуть. Я приведу ее здесь, поскольку лично мне она очень по душе: "Благодаря сложной математической модели вам не придётся таскать зонтик весь день впустую".

Получилось уж много букв. Если интересно, могу еще написать про прогноз и те технологии, что стоят за ним. Также хотел бы пригласить на наш научно-популярный онлайн вокршоп по моделированию, который мы проводим 27 апреля. Чтобы не казалось рекламой - ссылку приведу в комментариях. Воркшоп будет и про прогноз и про дела сердечные :) Спасибо, что дочитали.