Прогнозирование погоды с помощью машинного обучения

Модель GFS (Global Forecast System) разработана американским центром NCEP (National Centers for Environmental Prediction) и предоставляет прогнозы на срок до 16 дней [3]. Модель GFS относится к гидростатическим моделям и использует 64 уровня давления сигмы в качестве вертикальных координат. В качестве модели прогнозирования атмосферы используется модель GSM (Global Spectral Model), для представления результатов используется Гауссовская сетка.
Базовые условия для составления прогноза предоставляются системой GDAS (Global Data Assimilation System), осуществляющей сбор всех доступных спутниковых, традиционных (радиозондирование, авиационные, поверхностные) и радиолокационных наблюдений. Обновление прогноза GFS происходит 4 раза в день с интервалом 6 часов. Данные могут быть представлены с точностью до 1, 0.5 и 0.25 градуса (0.25° = 25 км). Прогноз доступен с шагом 1 час на ближайшие 5 суток, с прогнозным интервалом 3 часа на 6-10 сутки и с шагом 12 часов на 11-16 сутки.
Немаловажным аспектом является общедоступность результатов работы модели GFS: файлы прогнозов доступны бесплатно, для доступа могут быть использован протокол ftp или https.
Европейский центр ECMWF (European Centre for Medium-Range Weather Forecasts) предоставляет модель прогнозирования погоды IFS (Integrated Forecasting System). Текущее ядро модели IFS гидростатично (IFS-ST), однако разработано новое ядро IFS-FVM, которое является негидростатичным и использует конечно-объемную дискретизацию [4].
Ядро IFS-FVM позволяет учитывать негидростатические динамические эффекты, влияние которых значительно при горизонтальном масштабе, меньшем 10 км (рисунок 1).
В рамках модели IFS доступно несколько моделей, вычисляющих прогноз для указанного временного диапазона с указанным пространственных разрешением [5]. Модель HRES вычисляет прогноз с шагом 9 км (0.1°) на ближайшие 10 суток с дискретностью 1 час. Результаты прогнозов представлены с помощью октаэдрических уменьшенных Гауссовских сеток. Значимой особенностью моделей ECMWF является платный доступ к прогнозным данным, что существенно ограничивает возможность их использования в некоммерческих инициативах и в небольших проектах без существенных денежных вложений.