La modellistica meteorologica compie un salto evolutivo decisivo affrontando quello che da sempre rappresenta il principale limite delle previsioni del tempo: la finestra sub-stagionale compresa tra le 2 e le 6 settimane. Fino a oggi, sia i modelli fisici tradizionali che i più recenti sistemi basati sull’intelligenza artificiale hanno registrato una progressiva perdita di precisione a causa dell’accumulo di errori sistematici (bias).
Per inquadrare correttamente questa evoluzione, occorre distinguere gli strumenti: mentre i modelli deterministici tradizionali si affidano alle equazioni fisiche e l’AIFS dell’ECMWF è un modello di previsione a intelligenza artificiale pura che genera autonomamente le proiezioni future partendo dalle condizioni attuali, MicroDuet non crea previsioni da zero. Si tratta infatti di un framework di post-elaborazione probabilistica che interviene a valle per correggere i bias accumulati dai modelli nel medio-lungo termine.
La nuova metodologia basata su questo framework di machine learning per la correzione probabilistica risolve la criticità dei modelli. Integrandosi con i sistemi previsionali di riferimento, il sistema analizza meticolosamente gli scostamenti storici per ricalibrare in tempo reale le probabilità future, trasformando stime incerte in proiezioni altamente affidabili.
I test applicati ai principali centri di calcolo mostrano incrementi di accuratezza straordinari, con percentuali di successo che raggiungono il 98% per le precipitazioni, il 92% per le temperature e il 91% per la pressione al livello del mare. La validità dell’approccio ha trovato riscontro pratico anche nell’analisi di eventi estremi, come l’ondata di gelo che ha interessato gli Stati Uniti nel dicembre 2025, prevista con quattro settimane di anticipo rispetto ai sistemi standard.
La versione completa dell’articolo al link: MeteoRed.
