Краткое содержание

arXiv:2511.12682v1 Тип: новая статья Аннотация: Прогнозирование погоды является классической проблемой, связанной с предсказанием сложной, нелинейной и хаотической высокоразмерной динамической системы. Данная работа представляет эффективную структуру модели пониженного порядка (ROM) для краткосрочного прогноза погоды и исследует фундаментальные вопросы понижения размерности и моделирования таких систем в сокращённом порядке. В отличие от современных моделей на основе ИИ, которые требуют значительных вычислительных ресурсов, наша структура делает приоритет на эффективности, достигая при этом разумной точности. В частности, разработан свёрточный автоэнкодер на основе ResNet, дополненный модулями блочного внимания, для понижения размерности высокоразмерных данных о погоде. Затем в временно-задержанном погружении латентного пространства обучается линейный оператор для эффективного захвата динамики. Используя набор данных реанализа ERA5, мы демонстрируем, что данная структура хорошо работает внутри распределения, что подтверждается эффективным предсказанием