Per stimare il rischio futuro di Boston di condizioni meteorologiche estreme come le inondazioni, i politici possono combinare le previsioni su larga scala di un modello grossolano con un modello a risoluzione più precisa ottimizzato per stimare la frequenza con cui Boston potrebbe subire inondazioni dannose a causa del riscaldamento del clima. Ma questa analisi del rischio è accurata tanto quanto le previsioni di quel primo modello climatico più grossolano.
"Se si sbagliano per gli ambienti su larga scala, si perde tutto in termini di come appariranno gli eventi estremi su scala più piccola, ad esempio su singole città", afferma Themistoklis Sapsis, professore William I. Koch e direttore del Centro per l'ingegneria oceanica presso il Dipartimento di ingegneria meccanica del MIT.
Sapsis e i suoi colleghi hanno ora sviluppato un metodo per “correggere” le previsioni dei modelli climatici grossolani. Combinando l'apprendimento automatico con la teoria dei sistemi dinamici, l'approccio del team "spinge" le simulazioni di un modello climatico verso modelli più realistici su larga scala.
Se abbinato a modelli su scala più piccola per prevedere eventi meteorologici specifici come cicloni tropicali o inondazioni, l’approccio del team ha prodotto previsioni più accurate sulla frequenza con cui luoghi specifici subiranno tali eventi nei prossimi decenni, rispetto alle previsioni fatte senza lo schema di correzione.