Juda Cohen, directeur des prévisions saisonnières à l'AER (Recherche atmosphérique et environnementale) et chercheur invité au Département de génie civil et environnemental du MIT, et Ernest Fraenkel, professeur de génie biologique au MIT, ont remporté la première place dans trois des quatre catégories de prévision de température dans le concours Sub-Seasonal Climate Forecast Rodeo, hébergé par la National Oceanic and Atmospheric Administration et parrainé par le U.S. Bureau of Reclamation.

Les chercheurs du MIT, qui ont été rejoints par le doctorat de l'Université de Stanford. les étudiants Jessica Hwang et Paulo Orenstein et le chercheur Microsoft Lester Mackey, battre le modèle opérationnel de prévision à long terme utilisé par le gouvernement américain.

Pour être éligible au concours, les équipes devaient soumettre leurs prévisions climatiques toutes les deux semaines entre le 17 avril, 2017 et 18 avril, 2018. L'objectif était de créer un modèle sur lequel l'ouest des États-Unis pourrait s'appuyer des semaines à l'avance pour aider à gérer les ressources en eau et se préparer aux incendies de forêt et à la sécheresse.

La compétition exigeait que les modèles atteignent une compétence moyenne plus élevée sur toutes les prévisions concurrentielles, et deux points de référence soumis par le gouvernement des États-Unis, qui sont des versions impartiales du système de prévision climatique américain basé sur la physique. Les modèles devaient également atteindre une persistance amortie (indiquant que les données que vous fournissez augmentent l'effet corrélatif au fil du temps).

"Les modèles de prévision météorologique actuels ne sont capables de faire des prévisions qu'environ sept à 10 jours avant la prévision. En utilisant des techniques d'apprentissage automatique comme celle que nous avons créée pour ce concours, [le nouveau modèle] est en mesure d'aider les entreprises énergétiques et les villes à se préparer beaucoup plus à l'avance aux violentes tempêtes, " dit Cohen.

L'équipe dynamique d'experts a combiné la reconnaissance des modèles météorologiques historiques et l'apprentissage automatique afin de produire des prévisions en temps réel des anomalies de température et de précipitations deux à six semaines à l'avance pour l'ouest des États-Unis.

« Nous avons capitalisé sur la disponibilité actuelle de nombreux enregistrements météorologiques et de techniques de calcul de haute performance pour combiner à la fois des modèles basés sur la physique ou dynamiques et des approches d'apprentissage automatique statistique afin d'étendre l'horizon de prévision habile de jours à semaines, " dit Cohen.

La combinaison de techniques d'apprentissage automatique et de reconnaissance des modèles météorologiques historiques est très puissante car elle peut aider le gouvernement à maximiser les ressources en eau et à se préparer aux catastrophes naturelles ou aux conditions météorologiques extrêmes.

"Il y a certainement des plans pour continuer ce projet, comme nous avons parlé d'étendre le modèle à l'ensemble des États-Unis. Nous avons démontré avec ce concours qu'il existe un potentiel avec ce modèle pour sauter le processus de prévision. Cela peut aider à fournir plus de précision à des coûts inférieurs dans les prévisions sous-saisonnières, " explique Cohen.

Cette histoire est republiée avec l'aimable autorisation de MIT News (web.mit.edu/newsoffice/), un site populaire qui couvre l'actualité de la recherche du MIT, innovation et enseignement.