При выполнении численных прогнозов погоды важно, чтобы само моделирование было точным, но это также важно для точного ввода в модель реальных данных, основанных на наблюдениях. Как правило, моделирование погоды работает, когда компьютер выполняет ряд моделирования на основе текущего состояния, а затем вводит данные наблюдений в моделирование, чтобы подтолкнуть его таким образом, чтобы приблизить его к фактическому состоянию. Проблема включения данных в моделирование — ассимиляции данных — становится все более сложной из-за большого количества типов доступных данных, таких как спутниковые наблюдения и измерения, сделанные с наземных станций. Обычно суперкомпьютеры сегодня тратят примерно равное количество времени на выполнение моделирования и включение реальных данных.
Теперь, когда исследование, которое может привести к более точным прогнозам, опубликовано в ноябрьском выпуске журнала Computer, ведущего издания IEEE Computer Society за 2015 год, исследователи из Передового института вычислительных наук RIKEN в Японии провели масштабное глобальное моделирование погоды. Они выполнили 10240 симуляций модели глобальной атмосферы, разделенной на 112-километровые секторы, а затем использовали ассимиляцию данных и статистические методы, чтобы придумать модель, точно соответствующую реальным данным за исторический период времени, с 1 по 8 ноября.
2011. Моделирование проводилось на флагманском японском компьютере K с производительностью 10 петафлоп с использованием NICAM — моделирования, предназначенного для точного моделирования атмосферы.
Один из ключевых выводов состоит в том, что удаленные наблюдения, на расстоянии нескольких тысяч километров, могут повлиять на окончательное состояние прогноза погоды. Например, данные из района Великих озер в Соединенных Штатах могут повлиять на возможное состояние в Европе. Этот вывод предполагает необходимость дальнейших исследований передовых методов, которые могут лучше использовать удаленные наблюдения, поскольку это потенциально может привести к улучшению прогнозов погоды.По словам Такемаса Миёси, возглавлявшего исследовательскую группу, «прогнозирование становится лучше благодаря более мощным компьютерам и лучшим данным наблюдений со спутников и радаров.
Мы попытались использовать большое количество образцов, используя относительно грубое моделирование, и обнаружили, что оно работает. довольно хорошо, соответствуя фактическим данным за выбранный нами период времени. Мы планируем использовать возможности преемника компьютера K по мере его развития для создания инструментов, которые можно было бы использовать для более точного прогнозирования погоды ».Этому достижению способствовали два следующих исследовательских проекта, финансируемых программами CREST Японского агентства науки и технологий (JST):«Инновационная технология« Ассимиляции больших данных »для революционного изменения прогнозов суровой погоды на очень короткие расстояния» (под руководством д-ра Такемаса Миёси из RIKEN), проект в области исследований передовых прикладных технологий для повышения использования больших данных для многопрофильных научных исследований.
Открытие и решение социальных проблем (научный руководитель: профессор Юдзуру Танака из Университета Хоккайдо) и«EBD: Extreme Big Data: Конвергенция больших данных и высокопроизводительных вычислений для обработки Yottabyte» (под руководством профессора Сатоши Мацуока из Токийского технологического института с доктором Такемасой Миёси из RIKEN, выступающим в роли соучредителя), который является проектом в Область передовых базовых технологий для интеграции больших данных (научный руководитель: профессор Масару Китсурегава из Национального института информатики).