Климатический центр Росгидромета

Новости партнеров

Geophysical Research Letters: Основанные на глубоком обучении ансамблевые прогнозы и оценки предсказуемости загрязнения озоном приземного воздуха

 

Последствия неопределённостей прогнозов погоды не были количественно оценены в существующих системах прогнозирования качества воздуха. Чтобы решить эту проблему, авторы разработали эффективную систему прогнозирования двумерной свёрточной нейронной сети и ансамбля содержания приземного озона (2DCNN-SOEF), используя двумерные свёрточные нейронные сети и ансамблевые прогнозы погоды, и применили эту систему к 216-часовым прогнозам содержания озона в Шэньчжэне, Китай. 2DCNN-SOEF продемонстрировала производительность, сравнимую с текущими действующими системами прогнозирования, и соответствовала требованиям точности прогноза уровня качества воздуха, требуемым китайскими властями, с заблаговременностью до 144 часов. Неопределённости в прогнозах погоды составляют 38–54% ошибок прогнозов по озону за 24 часа и более. 2DCNN-SOEF позволила использовать показатель «вероятность превышения уровня концентрации озона», который лучше отражал риски загрязнения воздуха с учётом диапазона возможных погодных последствий. Эта структура ансамблевого прогнозирования может быть расширена для оперативного прогнозирования других зависящих от метеорологии экологических рисков во всём мире, что делает её ценным инструментом для управления окружающей средой.

 

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2022GL102611

Печать