Prognozele meteo la 2-6 săptămâni își dublează precizia cu un strat de învățare automată
Intervalul de două până la șase săptămâni este cel pe care fermierii și planificatorii de urgență îl folosesc cel mai puțin, fiindcă prognozele erau abia mai bune decât media climatică. Un modul open source schimbă asta.
O echipă care include cercetători de la MIT, Harvard și Universitatea din Toronto a creat un strat de învățare automată care corectează prognozele meteo pentru intervalul de două până la șase săptămâni. Conform MIT News, aplicat modelului Centrului European pentru Prognoze Meteo pe Termen Mediu (ECMWF), combinat cu un alt model, metoda a dublat aproximativ capacitatea de predicție în acest interval. Lucrarea, „Advancing Subseasonal Forecasting with Machine Learning", a apărut în Nature pe 14 octombrie 2026.
Intervalul acesta contează mult în practică. Este orizontul la care se decide când se fertilizează, cum se protejează culturile de îngheț, cum se evită seceta sau cum se pregătesc rețelele de energie și serviciile de urgență. În același timp, este considerat dificil: prea departe pentru prognoza clasică de câteva zile, prea aproape pentru tiparele climatice sezoniere.
Cum funcționează
Metoda este un strat de postprocesare. Învață din date istorice unde greșește un model existent și îi corectează prognozele, folosind estimări probabilistice, și se adaptează pe măsură ce sosesc date noi. Poate fi pus peste orice model, este open source și, potrivit celor menționate, nu necesită un supercalculator pentru rulare, deși a fost dezvoltat pe clusterul de calcul Engaging de la MIT.
Rezultate
Echipa a ocupat primul loc într-o competiție de prognoză organizată de ECMWF, la care a trimis trei modele. Metoda a fost prima care a depășit mediile climatologice în intervalul de două până la șase săptămâni și a îmbunătățit semnificativ predicția fenomenelor extreme. Corecția clasică, fără învățare automată, făcuse predicția extremelor mai proastă. Rezultatele au fost mai bune pentru majoritatea regiunilor de uscat ale lumii, nu pentru toate.
Ce urmează
Serviciul meteorologic din Kenya a cerut informații despre folosirea modelului pentru prognoza sezonului ploios, în scop agricol. Judah Cohen, cercetător la MIT și coautor, speră ca și alte grupuri să adopte metoda. Articolul MIT nu oferă valori numerice exacte ale preciziei dincolo de „dublare", deci cifrele precise trebuie căutate în lucrarea publicată în Nature (https://www.nature.com/articles/s41586-026-11126-x).
Sursă: undefined