कृषि और शहरी नियोजन के लिए यह अनुमान लगाना महत्वपूर्ण है कि शुष्क और नमी की अवधि कब होगी, इससे किसानों को यह जानने में मदद मिलेगी कि फसलों की बुवाई कब करनी है और शहर के अधिकारियों को बाढ़ के लिए तैयारी करने में भी मदद मिलेगी। जबकि मौसम का पूर्वानुमान ज्यादातर एक या दो दिनों के भीतर सटीक होता है, एक सप्ताह या महीने में मौसम की सटीक भविष्यवाणी करना बहुत मुश्किल होता है।

अब, एक नया मशीन-लर्निंग-आधारित पूर्वानुमान 10 से 30 दिन पहले दक्षिण एशियाई मॉनसूनी बारिश का सटीक पूर्वानुमान लगा सकता है, जो वर्तमान अत्याधुनिक पूर्वानुमानों में एक महत्वपूर्ण सुधार है जो कृत्रिम बुद्धिमत्ता के बजाय संख्यात्मक मॉडलिंग का उपयोग करते हैं।

पूर्वानुमान लगाने के लिए मॉनसून  के व्यवहार को समझना इसलिए भी महत्वपूर्ण है क्योंकि इस प्रकार की बारिश वैश्विक जलवायु में एक प्रमुख वायुमंडलीय विशेषता होती है।

नई पद्धति का वर्णन करने वाला यह शोध प्रोसीडिंग्स ऑफ दि नेशनल एकेडमी ऑफ साइंसेज में प्रकाशित किया गया  है।

शोध में शोधकर्ता कहते है कि इस बात को लेकर बहुत चिंता है कि जलवायु परिवर्तन का मॉनसून और अन्य मौसम की घटनाओं जैसे तूफान, लू आदि पर क्या प्रभाव पड़ेगा। छोटी अवधि के लिए पूर्वानुमान में सुधार करना जलवायु परिवर्तन पर प्रतिक्रिया देने का एक महत्वपूर्ण हिस्सा है क्योंकि हमें इन घटनाओं के लिए तैयारियों में सुधार करने में सक्षम होने की जरूरत है।

मौसम की भविष्यवाणी करना मुश्किल है क्योंकि वायुमंडल में कई अस्थिरताएं हैं - उदाहरण के लिए, पृथ्वी के नीचे से वायुमंडल लगातार गर्म होता है, जिससे गर्म के ऊपर ठंडी, घनी हवा होती है, कम घनी हवा होती है, साथ ही असमान ताप और पृथ्वी के घूमने के कारण अस्थिरता होती है। ये अस्थिरताएं एक गड़बड़ी की स्थिति की ओर ले जाती हैं जिसमें वातावरण के व्यवहार को मॉडलिंग करने में त्रुटियां और अनिश्चितताएं तेजी से बढ़ती हैं, जिससे भविष्य में आगे की भविष्यवाणी करना लगभग असंभव हो जाता है।

वर्तमान अत्याधुनिक मॉडल संख्यात्मक मॉडलिंग का उपयोग करते हैं, जो तरल पदार्थ की गति का वर्णन करने वाले भौतिकी समीकरणों के आधार पर वातावरण के कंप्यूटर सिमुलेशन हैं। गड़बड़ी के कारण, बड़े पैमाने पर मौसम के लिए अधिकतम पूर्वानुमानित समय आमतौर पर लगभग 10 दिन है।

वायुमंडल के दीर्घकालिक औसत व्यवहार, यानी, जलवायु की भविष्यवाणी करना भी संभव है, लेकिन दो सप्ताह से लेकर कई महीनों के बीच के समय अंतराल में मौसम की भविष्यवाणी करना संख्यात्मक मॉडल के साथ एक चुनौती रही है।

दक्षिण एशियाई मॉनसून के दौरान, बारिश तीव्र चक्र में होती है और उसके बाद सूखे का दौर आता है। इन चक्रों को मॉनसून इंट्रासीजनल ऑसिलेशन (एमआईएस ओएस ) के रूप में जाना जाता है। नए शोध में, शोधकर्ताओं ने वर्तमान अत्याधुनिक संख्यात्मक मॉडल में एक मशीन-लर्निंग को जोड़ा।

इससे शोधकर्ताओं को एमआईएसओ के बारे में आंकड़े इकट्ठा करने और दो से चार सप्ताह के समय-सीमा पर बारिश की बेहतर भविष्यवाणी करने में मदद मिली। परिणामी मॉडल अवलोकनों के साथ भविष्यवाणियों के सहसंबंधों को 70 फीसदी तक सुधारने में सक्षम था।

शोध में कहा गया है कि पिछले कुछ वर्षों में, मौसम की भविष्यवाणी के लिए मशीन लर्निंग का उपयोग करने में रुचि बढ़ी है। शोध दिखाता है कि मशीन लर्निंग और अधिक पारंपरिक संख्यात्मक मॉडलिंग दोनों को एक साथ जोड़ने से मॉनसूनी बारिश की सटीक जानकारी हासिल की जा सकती है।