SST Baselines

Muammo

Dengiz sirti harorati (SST) bo‘yicha biror o‘qitiladigan modelni taqqoslashdan oldin, oddiy baselinelardan o‘zib ketish qanchalik qiyinligini bilish kerak. Bu — ana shu baselinelarni o‘rganish, operativ okean prognozi uchun model emas. Ish HEU’dagi o‘qituvchimning ruxsati bilan bajarildi.

Nima qildim

1982–2025 yillar uchun Tinch okeanining ikki hududida (Kuroshio va subtropik) NOAA OISST v2.1 kunlik SST uchun ma’lumotlar konveyeri va baholashni qurdim. ERDDAP’da har bir hududda 1,194 kun yetishmasdi; ularni tekshiruvlar bilan NOAA PSL’dan to‘ldirdim. Oltita baselineni taqqosladim: persistence, qat’iy tekislangan klimatologiya, anomaliya persistence, so‘nuvchi persistence, 10 yillik kunlik klimatologiya (OCN) va har bir to‘r nuqtasi uchun Ridge regression. Loyihada 107 ta test va CI bor.

Metod

Qat’iy bo‘linish: 1982–2015 — o‘qitish, 2016–2019 — validatsiya, 2020–2025 — test. Test to‘plami konfiguratsiya muzlatilib, git’da teglanganidan keyin bir marta ishga tushirildi.

Keyin kichik LSTM tajribasini qo‘shdim. U Ridge bilan bir xil ma’lumotdan foydalanadi (bitta to‘r nuqtasida so‘nggi 30 kunlik anomaliya), 1 qatlam va validatsiyada tanlangan 64 hidden size bilan, har bir hudud uchun 3 ta seed bilan. Uning protokoli test yillari yuklanishidan oldin yozilib, pre-lstm-test deb teglandi va test bir marta ishga tushirildi (2026-11-05). Natijalar seedlar bo‘yicha o‘rtacha, seed tanlashsiz.

Natijalar

Klimatologiyaga tortadigan metodlar (so‘nuvchi persistence va Ridge) validatsiyadagi ustunligining ko‘p qismini test yillarida yo‘qotdi. Bu test davrida isish siljishining kattaroq bo‘lishiga mos keladi, ammo sabab isbotlanmagan.

“Yaxshi ish.”

— Associate Professor Green, baseline natijalari haqida

Kichik LSTM subtropik hududda Ridge’dan o‘zib ketdi, Kuroshio hududida esa o‘zib keta olmadi. Testda Ridge’ga nisbatan skill, 1, 7 va 30 kunlik prognozda: subtropik +0.029, +0.025, +0.022; Kuroshio −0.061, −0.017, −0.001. Validatsiyada Kuroshio uchun 7 va 30 kunlik raqamlar biroz musbat edi va bu yutuqlar saqlanmadi. Subtropik natija ko‘ringanidan zaifroq: u yerda Ridge o‘zi 1 va 7 kunda anomaliya persistence’dan orqada, LSTM ham shunday. Ikki hudud bir-biriga zid, shuning uchun umumiy da’vo qilmayman.

Fazoviy kontekst (B1)

Keyin qo‘shni to‘r nuqtalari yordam beradimi va LSTM yutug‘ining qanchasi modeldan emas, qo‘shimcha kirishlardan ekanini tekshirdim. Kirish sifatida har bir maqsad nuqtasi atrofidagi 5×5 to‘r nuqtalari patch’i olindi: chiziqli Ridge-patch va kichik LSTM-patch (arxitektura bir xil, 3 ta seed). Hududlar 1° halo bilan kengaytirildi; halo faqat kirishlarni beradi, maqsad va baholash o‘zgarmagan. Protokol test yillaridan foydalanishdan oldin yozilib, pre-b1-test deb teglandi va test bir marta ishga tushirildi.

Testda (2020–2025) Ridge-patch Ridge’dan barcha oltita hudud/muddat kombinatsiyasida o‘zib ketdi (Ridge’ga nisbatan skill, 1, 7 va 30 kunda: Kuroshio +0.006, +0.015, +0.020; subtropik +0.038, +0.033, +0.032). Faqat yil kuni Ridge’ga hech narsa bermadi. Subtropik hududda 7 va 30 kunda LSTM-patch Ridge’dan (skill +0.069 ± 0.014 va +0.083 ± 0.004) hamda xuddi shu kirishli Ridge-patch’dan (+0.038 ± 0.015 va +0.053 ± 0.004) o‘zib ketdi. Kuroshio hududida u Ridge-patch’dan o‘zib keta olmadi (−0.190 ± 0.041, −0.022 ± 0.007, 30 kunda esa durang, −0.007 ± 0.010), shuning uchun u yerdagi eng yaxshi model — chiziqli Ridge-patch.

Ogohlantirishlar: subtropik hududda Ridge-patch 1 va 7 kunda hamon anomaliya persistence’dan yomonroq (skill −0.009, −0.014). Validatsiya raqamlari biroz optimistik, chunki yangi alphalar va LSTM’ning erta to‘xtatilishi bir xil validatsiya yillarida tanlangan. LSTM-patch’ning Ridge’ga nisbatan Kuroshio’dagi yutuqlari validatsiyadan testga o‘tganda kamaydi yoki yo‘qoldi. Bir-biriga zid ikki hudud, uchta seed va bitta test ishga tushirish: umumiy da’vo yo‘q; bu o‘rganish tajribasi, okean prognozi modeli emas.

B1-rasm. LSTM o‘rganish egri chiziqlari, nuqta va patch (validatsiya davri; nuqta — eng yaxshi epoxa).

Kattalashtirish uchun bosing

Butun hudud modellari (B2)

Qisqacha: test yillarida ikkala butun-hudud modeli ham 7 va 30 kunda ikkala hududda Ridge-patch’dan o‘zib ketdi, eng pasti U-Net; 1 kunda esa ikkalasi ham anomaliya persistence’dan yomonroq edi.

Keyin butun hududni bir vaqtning o‘zida ko‘radigan modellar patch modellaridan o‘zib ketadimi, deb tekshirdim. Bitta model butun 48×48 hududni (30 kunlik anomaliya va yil kunining sin/cos qiymatlari) oladi va ichki 40×40 uchun uchala muddatni birdaniga prognoz qiladi: kichik U-Net (C = 32, 3 ta downsampling, GroupNorm) va ConvLSTM encoder-forecaster (C = 16; hisoblash resurslari tufayli birinchi spetsifikatsiyadan chetlanish, protokolda yozilgan). Har birining residual varianti ham bor (chiqish = oxirgi kirish anomaliyasi + tarmoq). Har bir hudud va model oilasi uchun validatsiyadagi o‘rtacha RMSE eng past bo‘lgan variant testga o‘tdi, tanlovni kod qildi: to‘rttala holatda residual variant. Ular faqat 1982–2015 yillarda (~12 ming namuna) o‘qitildi, erta to‘xtatish 2016–2019 yillarda, har biri 3 ta seed bilan. Protokollar modellar o‘qitilishidan oldin va test yillaridan foydalanishdan oldin yozilib, commit qilindi (teg pre-b2-test), 12 ta checkpoint bir marta sinaldi (2026-11-10), og‘irliklar xeshlari manifestlar bilan tekshirildi.

7 va 30 kunda, testda (2020–2025), ikkala model ham ikkala hududda Ridge-patch’dan o‘zib ketdi, bunda farq bitta seed std’dan katta (Ridge-patch’ga nisbatan skill: U-Net Kuroshio +0.037 ± 0.006 va +0.049 ± 0.009, subtropik +0.077 ± 0.003 va +0.146 ± 0.020; ConvLSTM-ED Kuroshio +0.028 ± 0.007 va +0.031 ± 0.004, subtropik +0.067 ± 0.014 va +0.128 ± 0.008). Shu bo‘limda taqqoslangan to‘rt model (Ridge-patch, LSTM-patch, U-Net, ConvLSTM-ED) orasida U-Net 7 va 30 kunda ikkala hududda ham eng past test RMSE’ga ega bo‘ldi; masalan, subtropik hududda 30 kunda 0.470 °C, Ridge-patch’da esa 0.550 °C. U-Net oltita hudud/muddat kombinatsiyasining hammasida ConvLSTM-ED’dan past, lekin farq kichik (Kuroshio, 30 kun: 1.194 va 1.217 °C), parametrlar soni esa ~50 baravar ko‘p. Ridge-patch’dan yutuq 7 va 30 kunda subtropik hududda Kuroshio’dagidan kattaroq. LSTM-patch bilan solishtirganda o‘rtachalar barcha 12 ta model/hudud/muddat kombinatsiyasida musbat (U-Net +0.025 dan +0.124 gacha, ConvLSTM-ED +0.010 dan +0.118 gacha); 1 kundagi yutuqning bir qismi shundan iboratki, LSTM-patch testda 1 kunda yomon chiqqan edi (B1).

1 kunda esa yo‘q. Ikkala butun-hudud modeli ham Ridge-patch’dan past (U-Net Kuroshio −0.043 ± 0.002, subtropik −0.017 ± 0.019; ConvLSTM-ED −0.050 ± 0.009, −0.032 ± 0.022) va to‘rttala holatda anomaliya persistence’dan ham yomonroq (masalan, U-Net: Kuroshio hududida 0.261 va 0.258 °C, subtropik hududda 0.125 va 0.122 °C).

Validatsiya xulosalari musbat bo‘lgan joyda saqlandi: 7 va 30 kunda Ridge-patch’dan yutuqlar validatsiyada musbat edi va testda kattaroq. 1 kunda subtropik U-Net validatsiyada biroz musbat (+0.014) edi, testda esa manfiy.

Ogohlantirishlar: C, variant va erta to‘xtatish validatsiya yillarida tanlangan. 4×10⁴–2×10⁶ parametr uchun ~12 ming kuchli avtokorrelyatsiyalangan o‘qitish namunasi bor, validatsiyadagi eng yaxshi epoxalar 2–8. Uchta seed faqat o‘qitish shovqinini o‘lchaydi, oltita test yilining tanlanma noaniqligini emas. Residual variant asosan 1 kunlik natijani tuzatadi va 7 hamda 30 kunda deyarli neytral (faqat validatsiya); tanlanmagan variant testda ishga tushirilmagan. O‘rganish tajribasi, okean prognozi modeli emas.

B2-rasm (xaritalar; validatsiya 2016–2019, test emas). Har bir hudud va model uchun bitta qator (avval Kuroshio, so‘ng subtropik; U-Net C=32, U-Net residual C=32, ConvLSTM C=16, ConvLSTM residual C=16), 0, 1, 2 seedlar bo‘yicha o‘rtacha. Chap va o‘rta ustunlar: 7 va 30 kunlik muddatda 40×40 baholangan nuqta bo‘yicha har bir to‘r nuqtasidagi Ridge-patch’ga nisbatan RMSE skill (1 − RMSE_model / RMSE_Ridge-patch); ko‘k = RMSE Ridge-patch’dan past, qizil = yuqori, oq = teng, rang shkalasi −0.3 dan +0.3 gacha qayd etilgan (rang shkalasi pastda). Qora chiziqlar tashqi 4 nuqtali halqani belgilaydi. O‘ng ustun: xuddi shu skill hudud chetidan teng masofadagi halqalar bo‘yicha o‘rtacha (0 = eng chetdagi nuqta), 7 kun ko‘k, 30 kun qizil, nol chizig‘i bilan.

Kattalashtirish uchun bosing

Grafiklar

Grafiklar repozitoriy README’sidan; rasmlardagi matn inglizcha.

1-rasm. Ikki hududda o‘rtacha SST va kunlik anomaliyaning standart og‘ishi (o‘qitish yillari).

Kattalashtirish uchun bosing

2-rasm (validatsiya). Prognoz muddati bo‘yicha RMSE va anomaliya persistence’ga nisbatan skill.

Kattalashtirish uchun bosing

2-rasm (test, 2020–2025). Joylashuv bir xil; o‘q ostidagi qiymatlar ramkada keltirilgan.

Kattalashtirish uchun bosing

3-rasm. Fasllar bo‘yicha testdagi anomaliya persistence’ga nisbatan skill (yillar bo‘yicha o‘rtacha ± std, nuqtalar — yillar).

Kattalashtirish uchun bosing

S1-rasm. Hudud bo‘yicha o‘rtacha anomaliya, 1982–2015 klimatologiyasiga nisbatan; validatsiya davri bo‘yalgan.

Kattalashtirish uchun bosing

LSTM o‘rganish egri chiziqlari.

Kattalashtirish uchun bosing

Cheklovlar

• Oddiy baselinelar, bitta kichik LSTM tajribasi, B1 fazoviy kontekst modellari (Ridge-patch, LSTM-patch) va B2 butun hudud modellari (U-Net, ConvLSTM-ED), boshqa o‘qitiladigan narsa yo‘q. LSTM to‘liq 30 kunlik ketma-ketlik va yil kunini oladi, Ridge esa kamroq kirish oladi, shuning uchun LSTM yutug‘ining bir qismi modeldan emas, kirishlardan bo‘lishi mumkin; bu sinalmagan.
• B1 faqat ikki hududdagi 5×5 patch, uchta seed va bitta test ishga tushirishdan foydalanadi; halo faqat kirishlarni beradi. Ba’zi Ridge alphalar to‘rning pastki chetida turadi (validatsiya egri chizig‘i tekis, o‘zgartirilmagan), validatsiya raqamlari esa biroz optimistik: alphalar va erta to‘xtatish validatsiya yillarida tanlangan.
• B2: butun hudud tarmoqlari uchun ~12 ming o‘qitish namunasi, uchta seed va bitta test ishga tushirish; U-Net/ConvLSTM-ED’ning Ridge-patch’dan 7 va 30 kundagi ustunligi faqat ikki hududdagi oltita test yilida o‘lchangan.
• Ikkita kichik hudud, bitta ma’lumotlar to‘plami.

AI yordami

Kod Claude Code yordamida yozilgan; metodologiya va tekshiruv menga tegishli.