Учёные Томского государственного университета разработали метод реконструкции параметров облаков верхнего яруса с помощью атмосферной оптики и машинного обучения. Технология может повысить точность прогнозов погоды, помочь заранее обнаруживать опасные циклоны и улучшить мониторинг экологической обстановки.

Для работы учёные объединили данные наземного лидарного и спутникового зондирования атмосферы, аэрологические наблюдения и алгоритмы машинного обучения. Такой подход позволяет выявлять скрытые закономерности в атмосферных процессах.

Исследователи обнаружили, что обучать нейросеть непосредственно на исходных метеорологических данных неэффективно. Атмосфера постоянно меняется, поэтому для восстановления характеристик облаков необходимо учитывать взаимосвязи температуры, влажности, давления и ветра на разных высотах.

Для решения этой задачи учёные обработали 15-летний архив глобального климатического реанализа ERA5 за 2009–2023 годы и преобразовали его в компактные цифровые коды, сохраняющие важную информацию об атмосферных процессах.

Чтобы проверить разные способы обработки данных, в ТГУ провели конкурс по машинному обучению. Участники тестировали различные архитектуры глубоких нейросетей и методы сжатия больших массивов пространственно-временной информации.

Лучшее решение предложил магистрант второго курса Института прикладной математики и компьютерных наук ТГУ. Его нейросеть показала наиболее высокую точность при извлечении эмбеддингов — цифровых представлений данных, которые помогают алгоритмам учитывать контекст.

После конкурса студент присоединился к научной команде и продолжил работу над моделью. Теперь исследователи планируют доработать её для практического применения.