https://www.nature.com/articles/s41586-021-03854-z

Прогноз текущей погоды с высоким разрешением - прогноз осадков на два часа вперед - поддерживает реальные социально-экономические потребности многих секторов, зависящих от принятия решений , зависящих от погоды 1 , 2 . Современные операционные методы прогнозирования текущей погоды обычно адвектируют поля осадков с помощью радиолокационных оценок ветра и не позволяют уловить важные нелинейные события, такие как возникновение конвективных явлений 3 , 4 . Недавно представленные методы глубокого обучения используют радар для прямого прогнозирования будущей интенсивности дождя без каких-либо физических ограничений 5 , 6. Несмотря на то, что они точно предсказывают осадки низкой интенсивности, их эксплуатационная полезность ограничена, поскольку отсутствие ограничений приводит к размытым прогнозам текущей погоды при более длительном заблаговременности, что приводит к низкой производительности при более редких дождях от средней до сильной. Здесь мы представляем глубокую генеративную модель для вероятностного прогнозирования текущей погоды с помощью радара, которая решает эти проблемы. Используя статистические, экономические и когнитивные показатели, мы показываем, что наш метод обеспечивает улучшенное качество прогнозов, согласованность прогнозов и ценность прогнозов. Наша модель дает реалистичные и пространственно-временные предсказания для регионов размером до 1536 км × 1280 км и с заблаговременностью от 5 до 90 минут вперед. Используя систематическую оценку более 50 экспертов-метеорологов, мы показываем, что наша генеративная модель заняла первое место по точности и полезности в 89% случаев по сравнению с двумя конкурирующими методами. При количественной проверке эти прогнозы текущей погоды являются умелыми, не прибегая к размытости. Мы показываем, что генеративное прогнозирование текущей погоды может обеспечивать вероятностные прогнозы, которые улучшают ценность прогноза и поддерживают операционную полезность, а также с разрешениями и сроками выполнения, когда альтернативные методы затрудняются.