О проблемах прогноза погоды.
Доброго денёчка уважаемые читатели!
Какая у вас ассоциация с упоминанием прогноза погоды? Думаю, не сильно ошибусь, если предположу, что там будут слова неточность, ошибка, нельзя доверять и т.п. Действительно, в памяти откладываются именно такие моменты, когда он не сработал. Давайте вместе пройдем путь формирования прогноза погоды, что бы выяснить откуда берутся эти ошибки.
Так вот, первое, на что бы я хотел обратить внимание - это приборы. Любой прогноз начинается с прямых измерений на местах, а как вы понимаете, идеально точного прибора создать невозможно. В любом приборе заложена погрешность, и при каждой итерации расчёта данных, ошибка будет накапливаться, а когда приборов ещё и несколько, тут прям ух.
Второе – это человеческий фактор, как правило, работников метеостанции, именно они проводят первичный анализ показаний приборов. Как и в любой другой работе, от этого не избавиться. Не раз видел, как на синоптических картах, при прохождении тёплого фронта некоторые ставят ливневые осадки и кучево-дождевые облака, хотя процессы там происходят такие, что такого быть не может.
Третье – влияние на компьютерный расчет. Казалось бы, программа есть, цифры забили, она посчитала, уж математика то должна работать точно. Ан нет, все совсем не просто. На стене CatScience уже была история эффекта бабочки, поэтому просто кратко напомню, что при продолжении расчета прогноза погоды ввели данные с точностью в 3 знака после запятой, а сама программа работает с 6 знаками, этого оказалось более чем достаточно, что бы сильно изменить итоговый прогноз погоды. С 1961го года ситуация стала еще сложнее, поскольку расчеты разрослись и теперь требуют еще большего времени и ресурсов. Суперкомпьютер Росгидромета с 1293 терафлопсами занимает 8 строчку в топе суперкомпьютеров России, обходят его только компьютеры Яндекса, СберБанка, МТС и Ломоносов-2.
Уравнения для расчетов строятся на законах сохранения массы, энергии, импульса, и в сигма системе координат (погуглите, но очень вкратце, там за высоты используется давление), эта система уравнений не замкнута и точных решений не имеет. Ну и до кучи использовать голые данные, полученные с метеостанций, тоже не получится, нужна так называемая ассимиляциях данных. Собственно основной вклад в третий пункт дает именно эта самая ассимиляции данных. Дело в том что метеостанции расположены абы где (так сложилось исторически), и компьютер в таком виде данные рассчитать не может, нужно производить интерполяцию в узлы сетки, что, разумеется, вносит дополнительную погрешность.
Четвёртое - уравнения, как уже говорилось, решение не имеют, и для расчетов используются многочисленные приближения (одно из самых грубых - это замена производных конечными разностями), и, соответственно, числа получаются приблизительными.
Пятое, которое бы я выделил как основное - это недостаточность компьютерных мощностей, даже тех, что мы имеем сейчас. Как посчитал один учёный (по-моему, Ричардсон), чтоб успеть вовремя рассчитать прогноз барического топографии, нужно задействовать для расчетов примерно 45 тысяч человек. Поэтому иногда проблемы с прогнозом могут быть банально из-за сроков сдачи, мало кого что будет вчера. В конце прошлого года Google представила GraphCast – весьма перспективную нейросеть для прогноза погоды, но сможет ли она выйти из категории еще одного инструмента метеорологов и стать полноценным методом пока не особо понятно.
Конечно, это не полный список и всегда есть ещё тысяча мелочей, но подводя некоторый итог моего вброса, хотелось бы сказать. То что мы имеем сейчас – это великое достижение науки и вклад труда огромного количество учёных, поэтому, когда вы встретите метеоролога, не говорите ему, что он бессовестный лжец (поверьте, наслушался 😀). Он правда старается, но как вы понимаете, погода – это самая настоящая непредсказуемая стерва. И как сказано одним умным человеком, прогноз будет время от времени становится лучше, но точным он не будет никогда.
Всем хорошей погоды и настроения!
3 — Уравнения из книги «руководство по краткосрочным прогнозам»
#Смирнов
#метеорология
Доброго денёчка уважаемые читатели!
Какая у вас ассоциация с упоминанием прогноза погоды? Думаю, не сильно ошибусь, если предположу, что там будут слова неточность, ошибка, нельзя доверять и т.п. Действительно, в памяти откладываются именно такие моменты, когда он не сработал. Давайте вместе пройдем путь формирования прогноза погоды, что бы выяснить откуда берутся эти ошибки.
Так вот, первое, на что бы я хотел обратить внимание - это приборы. Любой прогноз начинается с прямых измерений на местах, а как вы понимаете, идеально точного прибора создать невозможно. В любом приборе заложена погрешность, и при каждой итерации расчёта данных, ошибка будет накапливаться, а когда приборов ещё и несколько, тут прям ух.
Второе – это человеческий фактор, как правило, работников метеостанции, именно они проводят первичный анализ показаний приборов. Как и в любой другой работе, от этого не избавиться. Не раз видел, как на синоптических картах, при прохождении тёплого фронта некоторые ставят ливневые осадки и кучево-дождевые облака, хотя процессы там происходят такие, что такого быть не может.
Третье – влияние на компьютерный расчет. Казалось бы, программа есть, цифры забили, она посчитала, уж математика то должна работать точно. Ан нет, все совсем не просто. На стене CatScience уже была история эффекта бабочки, поэтому просто кратко напомню, что при продолжении расчета прогноза погоды ввели данные с точностью в 3 знака после запятой, а сама программа работает с 6 знаками, этого оказалось более чем достаточно, что бы сильно изменить итоговый прогноз погоды. С 1961го года ситуация стала еще сложнее, поскольку расчеты разрослись и теперь требуют еще большего времени и ресурсов. Суперкомпьютер Росгидромета с 1293 терафлопсами занимает 8 строчку в топе суперкомпьютеров России, обходят его только компьютеры Яндекса, СберБанка, МТС и Ломоносов-2.
Уравнения для расчетов строятся на законах сохранения массы, энергии, импульса, и в сигма системе координат (погуглите, но очень вкратце, там за высоты используется давление), эта система уравнений не замкнута и точных решений не имеет. Ну и до кучи использовать голые данные, полученные с метеостанций, тоже не получится, нужна так называемая ассимиляциях данных. Собственно основной вклад в третий пункт дает именно эта самая ассимиляции данных. Дело в том что метеостанции расположены абы где (так сложилось исторически), и компьютер в таком виде данные рассчитать не может, нужно производить интерполяцию в узлы сетки, что, разумеется, вносит дополнительную погрешность.
Четвёртое - уравнения, как уже говорилось, решение не имеют, и для расчетов используются многочисленные приближения (одно из самых грубых - это замена производных конечными разностями), и, соответственно, числа получаются приблизительными.
Пятое, которое бы я выделил как основное - это недостаточность компьютерных мощностей, даже тех, что мы имеем сейчас. Как посчитал один учёный (по-моему, Ричардсон), чтоб успеть вовремя рассчитать прогноз барического топографии, нужно задействовать для расчетов примерно 45 тысяч человек. Поэтому иногда проблемы с прогнозом могут быть банально из-за сроков сдачи, мало кого что будет вчера. В конце прошлого года Google представила GraphCast – весьма перспективную нейросеть для прогноза погоды, но сможет ли она выйти из категории еще одного инструмента метеорологов и стать полноценным методом пока не особо понятно.
Конечно, это не полный список и всегда есть ещё тысяча мелочей, но подводя некоторый итог моего вброса, хотелось бы сказать. То что мы имеем сейчас – это великое достижение науки и вклад труда огромного количество учёных, поэтому, когда вы встретите метеоролога, не говорите ему, что он бессовестный лжец (поверьте, наслушался 😀). Он правда старается, но как вы понимаете, погода – это самая настоящая непредсказуемая стерва. И как сказано одним умным человеком, прогноз будет время от времени становится лучше, но точным он не будет никогда.
Всем хорошей погоды и настроения!
3 — Уравнения из книги «руководство по краткосрочным прогнозам»
#Смирнов
#метеорология