Pronóstico del tiempo probabilístico con aprendizaje automático

Área de la Ciencia:

• Ciencias atmosféricas
• Inteligencia artificial
• Ciencia de los datos

Sus antecedentes:

• El pronóstico del tiempo tradicionalmente se basa en la Predicción del Tiempo Numérico (PTM), que lucha por representar la incertidumbre y el riesgo del pronóstico.
• Los modelos recientes de Predicción del Tiempo de Aprendizaje Automático (MLWP) son prometedores, pero a menudo carecen de la precisión de los pronósticos de conjunto de NWP.

Objetivo del estudio:

• Introducir GenCast, un nuevo modelo meteorológico probabilístico diseñado para superar los pronósticos de conjunto de última generación existentes.
• Mejorar la precisión y la eficiencia de las predicciones meteorológicas a medio plazo, especialmente para eventos extremos.

Principales métodos:

• GenCast es un modelo de predicción meteorológica de ML entrenado en décadas de datos de reanálisis atmosférico.
• Genera un gran conjunto de pronósticos estocásticos globales de 15 días para más de 80 variables en alta resolución.
• El modelo logra esto aprovechando técnicas avanzadas de aprendizaje automático para una predicción meteorológica rápida y probabilística.

Principales resultados:

• GenCast demuestra una habilidad superior en comparación con el conjunto del Centro Europeo de Pronósticos Meteorológicos a Medio Plazo (ENS) en el 97,2% de los objetivos evaluados.
• El modelo muestra capacidades de predicción mejoradas para eventos climáticos extremos, pistas de ciclones tropicales y generación de energía eólica.
• GenCast produce pronósticos globales de 15 días en solo 8 minutos, significativamente más rápido que los métodos convencionales.

Conclusiones:

• GenCast representa un avance significativo en el pronóstico operativo del tiempo, ofreciendo una mayor precisión, velocidad y conocimientos probabilísticos.
• Este enfoque basado en ML facilita una toma de decisiones más informada y eficiente en sectores dependientes del clima.
• El desarrollo allana el camino para la próxima generación de sistemas de predicción climática impulsados por IA.