人工智能助力预告天气 会比人类预告得更标准吗?

人工智能助力预告天气 会比人类预告得更标准吗?

结合优势向纵深发展

利用深度学习获得更高的识别精度,对每一种气象类型都需要超过数千张图片的大量数据。研究小组首先利用热带低气压跟踪算法,将全球云系统分辨率模型20年积累的气候实验数据,制成5万张热带低气压初始云及演变中的热带低气压云图片,再加上100万张未演变成热带低气压的低气压云图片,共105万张图片组成10组学习数据,利用深度卷积神经网络的机器学习,生成不同特征的10种识别器,然后构筑出可对10种识别器结果进行综合评价的集合识别器。

人工智能提供了一种解决难题的新思路。“天气预报本身就是大数据问题,涉及到不同时间和空间上的海量数据,正是人工智能非常好的应用场景。”中国气象局北京城市气象研究所副所长陈敏认为,可以用人工智能算法把超级计算机的预报结果尽可能地、自动地、不用人工干预地修正到与实际观测数据更接近,以达到“天气预报越来越准”的终极目标。“人工智能这么火,我们不用新技术就落伍了。”

奥门银河真人,“人工智能在气象行业中的应用刚起步,应用场景未来还有很多。“钱奇峰表示,“在未来10年当中,整合基于物理模式的数值预报和数据驱动的方法,将会给天气预报带来新的机会,例如将机器学习应用于交通堵塞、航空延误、花粉过敏等难以用物理模型处理的预报,能够提供更有价值的信息。”记者
崔爽

科技日报东京1月7日电
日本海洋研究机构和九州大学的研究小组利用人工智能深度学习技术,开发了从全球云系统分辨率模型气候实验数据中高精度识别热带低气压征兆云的方法。该方法可识别出夏季西北太平洋热带低气压发生一周前的征兆。研究成果于近期发表在日本《地球与行星科学的进展》杂志网络版。

宗志平介绍,气象是十分复杂的系统,受影响的因素很多。比如降雨,即便水汽、湿度条件都得到满足,但大气没有抬升水汽无法凝结,空气中没有“凝结核”,雨滴也不会长大掉落地面。因此,既懂气象知识又有人工智能知识背景的复合型人才,是发展“智慧气象”最理想的人选。宗志平表示,目前,中国气象局相关团队已经与清华大学等合作开展人工智能技术研发工作,国家级气象部门联合组建了智能预报服务原型系统团队,国家气象中心一批资深预报首席、年轻研发型预报员、IT工程师共同组成了大数据及智能预报团队。随着人工智能技术的不断发展,这支队伍的力量也会不断扩充。

近日,一则人工智能或能提前一周预测台风的消息引发关注。报道称,日本海洋研究机构和九州大学的研究小组利用人工智能深度学习技术,开发了从全球云系统分辨率模型气候实验数据中高精度识别热带低气压征兆云的方法。该方法可识别出夏季西北太平洋热带低气压发生一周前的征兆。

预测台风和飓风等热带低气压的发生,一般是通过卫星观测和监视云的演变过程,对观测数据进行气象模型模拟。但大气现象非线性极强,不同的气象模型预测的未来气象结果会出现非常大的偏差。近年来人工智能技术飞速发展,可根据大数据中的特定类型进行深度学习,检测特定现象,从而应用于具有不确定性的气象领域。

随着大数据和人工智能的发展,海量数据深度学习、复杂神经网络等逐步应用,人工智能预报天气已成为热门话题,甚至有科研团队称研发出新算法,能提前一周预测台风,这或许意味着人工智能在天气预报方面已经开始发力。它的表现如何?会比人类预报得更准确吗?

对此,中央气象台台风与海洋气象预报中心副主任钱奇峰表示,相关报道只介绍了做法,并没有体现出具体的预报成果,“台风发展有一些阶段,发展时间比较长,在大洋上形成胚胎,短则2至3天、长的要5天甚至7天发展成台风。要提前7天识别出热带低气压发生前的征兆,相信是可以做到的。”

该方法还可对台风路径和强度进行预测,并预测暴雨的发生。今后研究小组将以深度学习为代表的人工智能技术融合数据驱动方法和模型驱动方法,开展新的海洋地球大数据分析。

跟人类不存在竞争关系

据钱奇峰介绍,将神经网络的方法用在天气预报上并不新鲜,上世纪八十年代已经有一些应用,随着大数据和人工智能的发展,海量数据深度学习、复杂神经网络等逐步应用,人工智能预报天气已经成为很热门的一个话题。不光用在临近天气的预报,气候应用研究、台风海洋预报、海雾的预报等领域,都有人工智能技术的加持。

通过高精度识别热带低气压征兆云 人工智能或能提前一周预测台风

预报;人工智能;预报员;天气预报;人工智能技术

奥门银河真人 1

在记者的印象中,过去经常在天气预报里听到“局部地区”。例如局部地区有阵雨、局部地区有暴雪等。现在,天气预报中的提到“局部”的次数变少,地点和时间比较精确的预报变多,这是中国大数据计算能力不断提升的结果。

虽然取得了一系列成绩,但与发达国家相比,国内关于AI作用于天气预报的研究和应用还存在一定差距,包括:AI技术应用集中在短时临近预报上,而对于天气预报业务的全链条,如数据质量控制、多灾种天气预警能力、产品制作以及决策服务等的支撑还远不足;AI技术以应用开发为主,相关理论研究以及面向业务需求有针对性的研发还不够深入。

“我们需要的人工智能人才不一定需要接受过系统的大气科学教育,也不用特别深入地了解天气的机理,只需了解一些基本天气知识、掌握人工智能工具和算法,能够从数据出发,挖掘规律、深入分析。”陈敏认为,无论是人才厚度还是技术使用深度,人工智能完全融入气象行业之中仍需时日。

更重要的是数据,
AI技术的产品输出质量受到输入数据质量的限制,要想取得更好效果,需要加强高质量、长序列的气象训练数据集的研发,例如提供长历史、统计特性一致的模式数据,整理和开发高分辨的观测和分析资料用于训练和检验。在前述日本海洋研究机构和九州大学的研究中,研究小组为了利用深度学习获得更高的识别精度,对每一种气象类型都需要超过数千张图片的大量数据。“我们也在做长序列气象数据的再分析。”代刊表示。

人工智能助力预报天气

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图