2〜6週間先の天気予報の精度を2倍に　MITなど、過去のズレをAIで修正

米マサチューセッツ工科大学（MIT）や米マイクロソフトなどの国際研究チームは、2週間から6週間先を対象とした気象予測の精度を大幅に向上させる機械学習技術を開発した。既存の気象予測モデルが出力した結果の誤差をAIが後処理で補正する手法で、従来モデルと比べて予測精度を2倍に引き上げた。研究成果は英科学誌『Nature』に掲載された。

「予測性の砂漠」と呼ばれた2〜6週間先

気象予報において2週間から6週間の時間枠は「サブシーズナル（季節内）予測」と呼ばれ、初期の大気条件を活かせる短期予報と、エルニーニョ現象のような緩やかな変動要因を捉える長期予報の狭間にあり、予測が極めて難しい「予測性の砂漠」とされてきた。1970年代にMITのエドワード・ローレンツ教授が提唱したカオス理論では、大気の初期値のわずかな違いが予測結果を大きく変えてしまうため、理論的な予測限界は2週間程度と考えられてきた。

しかし、この期間の予測精度が低いことは社会的に大きな被害をもたらしてきた。2021年2月には米テキサス州で3度の激しい冬の嵐が発生し、電力インフラの大規模な崩壊によって少なくとも246人が死亡した。事前に十分な期間をもって備えられれば被害を軽減できた可能性が指摘されていた。

既存モデルの誤差をAIで後処理修正

研究チームは、気象予測システム自体の計算をやり直すのではなく、過去のデータに基づいてモデルの系統的な誤りを機械学習で推定し、確率的予測の数値を補正する「ラッパー」と呼ばれる後処理層を開発した。モデルの構築にはMITのスーパーコンピュータークラスタが用いられたが、完成したモデルを運用する際にはスーパーコンピューターを必要としない。

欧州中期予報センター（ECMWF）が主催するモデル間予測コンペティションに本手法を適用して参加したところ、予測精度を倍増させて首位を獲得した。この時間枠の予測において、長期間の平年値（気候学的平均）を上回る精度を達成したのは世界で初めてだという。さらに、従来のバイアス補正手法では平均値に引きずられて予測が難しかった寒波や洪水といった極端な気象現象についても、統計的に有意な予測精度の向上を確認した。

オープンソースで提供、農業や防災現場へ

開発された補正手法はオープンソースかつ低コストで提供されており、ECMWFのモデル以外の多様な予測モデルにも適用可能とされている。すでにケニア共和国の気象局が、冬の農業収穫量を向上させるためのモンスーン予測改善に向けて導入の協議を始めているという。研究チームは、農業における施肥や干ばつ対策の判断だけでなく、数週間前に暴風雨を察知して天然ガスの備蓄を手配するなど、エネルギー管理や防災対策への幅広い実用化に期待を寄せている。