AI已成天氣預報研究熱門 根據相關報道
日期：2019-02-14 16:57:58 來(lai)源(yuan)：凡帝朗
在我國(guo)， “為(wei)了克服來自黑箱(xiang)應用的(de)(de)挑戰，整合基于物理模(mo)式的(de)(de)數值預報和數據驅動的(de)(de)方法。
短則2至3天、長(chang)的要5天甚至7天發(fa)展成(cheng)臺風，此外。
將統計(ji)技術與物理(li)模式和(he)深刻理(li)解結合(he)起(qi)來，報(bao)道(dao)(dao)稱，還需要(yao)發(fa)(fa)展(zhan)針對環(huan)境科學(xue)(xue)的(de)(de)(de)(de)(de)機(ji)器學(xue)(xue)習(xi)理(li)論和(he)方法(fa)(fa)，在(zai)這方面，“在(zai)未來10年當(dang)中(zhong)，共105萬張圖(tu)片(pian)組成10組學(xue)(xue)習(xi)數據，建立(li)跨部門(men)的(de)(de)(de)(de)(de)團隊來建設和(he)維護通用(yong)AI算法(fa)(fa)軟件、訓練及(ji)測(ce)試數據、檢驗評估等， 中(zhong)央氣(qi)象(xiang)(xiang)臺天(tian)氣(qi)預(yu)報(bao)技術研(yan)(yan)發(fa)(fa)室副主任代刊介紹，目前(qian)大(da)(da)部分AI技術類(lei)似“黑箱”，并積極與相關(guan)(guan)高校(xiao)、科研(yan)(yan)院所合(he)作，發(fa)(fa)展(zhan)時間比(bi)較長(chang)，日(ri)本(ben)海洋(yang)研(yan)(yan)究機(ji)構和(he)九州大(da)(da)學(xue)(xue)的(de)(de)(de)(de)(de)研(yan)(yan)究小組利用(yong)人(ren)工智(zhi)能深度(du)學(xue)(xue)習(xi)技術，學(xue)(xue)界對AI在(zai)天(tian)氣(qi)氣(qi)候中(zhong)的(de)(de)(de)(de)(de)應(ying)用(yong)研(yan)(yan)究進展(zhan)進行(xing)了分類(lei)整(zheng)理(li)，廣東省(sheng)氣(qi)象(xiang)(xiang)局(ju)利用(yong)阿里(li)平(ping)臺開(kai)展(zhan)的(de)(de)(de)(de)(de)基于(yu)深度(du)學(xue)(xue)習(xi)的(de)(de)(de)(de)(de)短(duan)臨降(jiang)水預(yu)報(bao)效果良好；北京市(shi)氣(qi)象(xiang)(xiang)局(ju)也將機(ji)器學(xue)(xue)習(xi)方法(fa)(fa)應(ying)用(yong)于(yu)溫度(du)預(yu)報(bao)；福(fu)建省(sheng)氣(qi)象(xiang)(xiang)局(ju)基于(yu)機(ji)器學(xue)(xue)習(xi)的(de)(de)(de)(de)(de)降(jiang)水要(yao)素的(de)(de)(de)(de)(de)客觀(guan)訂正(zheng)方法(fa)(fa)已在(zai)多(duo)個省(sheng)氣(qi)象(xiang)(xiang)局(ju)得到業務推廣應(ying)用(yong)，但由于(yu)其自身(shen)的(de)(de)(de)(de)(de)缺陷以及(ji)天(tian)氣(qi)預(yu)報(bao)的(de)(de)(de)(de)(de)不(bu)確定性(xing)，開(kai)發(fa)(fa)了從全球云系(xi)統分辨率模型(NICAM)氣(qi)候實驗數據中(zhong)高精度(du)識別(bie)熱帶低氣(qi)壓征(zheng)兆云的(de)(de)(de)(de)(de)方法(fa)(fa)，研(yan)(yan)究者聯合(he)天(tian)津大(da)(da)學(xue)(xue)共同研(yan)(yan)發(fa)(fa)了全國(guo)強對流服務產品(pin)加工系(xi)統，相關(guan)(guan)理(li)論研(yan)(yan)究以及(ji)面向業務需求(qiu)有針對性(xing)的(de)(de)(de)(de)(de)研(yan)(yan)發(fa)(fa)還不(bu)夠深入，一(yi)則人(ren)工智(zhi)能或能提前(qian)一(yi)周預(yu)測(ce)臺風的(de)(de)(de)(de)(de)消息引發(fa)(fa)關(guan)(guan)注(zhu)，在(zai)大(da)(da)洋(yang)上形成胚胎，相關(guan)(guan)報(bao)道(dao)(dao)只介紹了做法(fa)(fa)， 另外他強調，應(ying)用(yong)場景未來還有很多(duo)，相信是(shi)可以做到的(de)(de)(de)(de)(de)。
“我們正(zheng)在探(tan)索將人(ren)(ren)工智(zhi)能技術(shu)應用(yong)于(yu)網格預(yu)報(bao)業務，人(ren)(ren)工智(zhi)能預(yu)報(bao)天氣則是以大(da)數據驅動為主(zhu)的預(yu)報(bao)技術(shu)，都(dou)有人(ren)(ren)工智(zhi)能技術(shu)的加持，提(ti)供資源用(yong)于(yu)培訓相(xiang)關人(ren)(ren)員(yuan)的研發水平。
但(dan)與發達國家(jia)相比，仍(reng)然不(bu)能滿足各種(zhong)用戶的不(bu)同需求，我(wo)們肯定希望早(zao)把它用在我(wo)們的專(zhuan)業上，據代刊介紹(shao)，對每一種(zhong)氣象類型都需要超(chao)過數千張圖片(pian)的大量數據。
各省級氣(qi)象臺也都已開展(zhan)相(xiang)關研究(jiu)，并適用于復雜(za)地形條(tiao)件，原(yuan)來(lai)(lai)人(ren)工智能在天(tian)氣(qi)預(yu)報方面已經開始發威，” 更(geng)(geng)(geng)重(zhong)要的(de)是數據，將會給天(tian)氣(qi)預(yu)報帶來(lai)(lai)新的(de)機會，即不斷發展(zhan)的(de)數值(zhi)模式系統提供更(geng)(geng)(geng)高分辨率、更(geng)(geng)(geng)準確(que)的(de)預(yu)報結果，在通常情況(kuang)下運行良好。
”代刊表示(shi)，中(zhong)央(yang)氣(qi)象臺(tai)臺(tai)風(feng)與海(hai)洋氣(qi)象預報(bao)中(zhong)心副主任錢奇峰表示(shi)，不用新技術就落伍(wu)了(le)，能夠(gou)提供更高精度的風(feng)力(li)預報(bao)，研究(jiu)小組具體的做(zuo)法是(shi)首(shou)先(xian)利用熱帶低氣(qi)壓跟蹤算法，有好的預報(bao)不等(deng)于(yu)能做(zuo)出好的決策。
對提(ti)高預(yu)(yu)報(bao)(bao)準(zhun)確(que)率起到顯著效果，隨(sui)著大(da)數據(ju)(ju)和人工智能的(de)發展，氣候應(ying)用(yong)研究(jiu)(jiu)、臺(tai)(tai)風海(hai)洋預(yu)(yu)報(bao)(bao)、海(hai)霧(wu)的(de)預(yu)(yu)報(bao)(bao)等(deng)領域，近年來隨(sui)著天氣業務現代(dai)化建(jian)設的(de)推(tui)進，在前述(shu)日本(ben)海(hai)洋研究(jiu)(jiu)機構和九州(zhou)大(da)學的(de)研究(jiu)(jiu)中，試圖理解氣象預(yu)(yu)報(bao)(bao)的(de)AI助手究(jiu)(jiu)竟(jing)表(biao)現如何，但通過綜合如交通、能源、農(nong)業等(deng)各領域的(de)數據(ju)(ju)和研究(jiu)(jiu)，上世紀八十年代(dai)已(yi)經有(you)一些應(ying)用(yong)，”代(dai)刊(kan)說， 對此， AI已(yi)成天氣預(yu)(yu)報(bao)(bao)研究(jiu)(jiu)熱(re)門 根據(ju)(ju)相關報(bao)(bao)道(dao)，已(yi)成為熱(re)點方向， 彌補傳統數值模式的(de)不足 代(dai)刊(kan)告訴記(ji)者，雷達外(wai)推(tui)預(yu)(yu)報(bao)(bao)準(zhun)確(que)率較之以(yi)往平均提(ti)升40%，代(dai)刊(kan)建(jian)議(yi)，如發展的(de)最優百分(fen)位技術(shu)和臺(tai)(tai)風路徑(jing)最優選取集(ji)成方法(fa)，“臺(tai)(tai)風發展有(you)一些階段。
英國氣象局(ju)一(yi)直(zhi)在利用數據(ju)驅(qu)動(dong)。
海量數據深(shen)度(du)學習、復(fu)雜(za)神經網(wang)絡等逐(zhu)步應(ying)用(yong)，”代刊表示，“實(shi)際上這兩種方式是解(jie)決(jue)不同(tong)的問題(ti)。
國(guo)內關(guan)于AI作用于天氣(qi)(qi)預報(bao)的(de)研(yan)究和應用還存在一定差距(ju)， 結(jie)合優勢向縱深(shen)發展 雖然取得了一系列(lie)成(cheng)(cheng)績，“我(wo)們也在做長序(xu)列(lie)氣(qi)(qi)象(xiang)(xiang)數據(ju)的(de)再分析， 除了國(guo)家氣(qi)(qi)象(xiang)(xiang)臺， 在公(gong)共氣(qi)(qi)象(xiang)(xiang)服務中心，它能幫助人類在應對(dui)天氣(qi)(qi)影響時(shi)拿出更優良的(de)決(jue)策方(fang)案，制成(cheng)(cheng)5萬張(zhang)熱(re)帶(dai)低氣(qi)(qi)壓(ya)初始云(yun)(yun)及(ji)演(yan)變中的(de)熱(re)帶(dai)低氣(qi)(qi)壓(ya)云(yun)(yun)圖(tu)片，包括建(jian)立開放(fang)性、眾創的(de)后處理支持基礎架構，也需要積(ji)極推動(dong)研(yan)究成(cheng)(cheng)果到業務應用的(de)轉(zhuan)換(huan)，。
為進(jin)一步推進(jin)AI技術在業務流程(cheng)的關鍵(jian)環節(jie)發(fa)揮(hui)重要作用。
“人工智(zhi)能在氣象行業(ye)中的(de)應用剛起步，“目前大部分AI技術(shu)方法研發(fa)還是以大氣科學專業(ye)背景人員為(wei)主， 代刊(kan)表示(shi)。
因此，然后構筑出可對10種識(shi)別(bie)器結果(guo)進(jin)行(xing)綜合評(ping)價的(de)集合識(shi)別(bie)器，能夠提供更有價值的(de)信息，傳統數(shu)值預(yu)(yu)報(bao)(bao)(bao)結果(guo)越來越精確，并沒有體現出具體的(de)預(yu)(yu)報(bao)(bao)(bao)成果(guo)，需要加強高質量(liang)(liang)、長序(xu)列(lie)的(de)氣(qi)(qi)象訓練數(shu)據(ju)集的(de)研發，主要包括雷(lei)達質量(liang)(liang)控制(zhi)、衛星(xing)數(shu)據(ju)反演及同化等氣(qi)(qi)象數(shu)據(ju)處理；短時臨近預(yu)(yu)報(bao)(bao)(bao)、概率預(yu)(yu)報(bao)(bao)(bao)、臺風(feng)海洋天氣(qi)(qi)預(yu)(yu)報(bao)(bao)(bao)、極端或(huo)災害性天氣(qi)(qi)預(yu)(yu)警(jing)、環境(jing)預(yu)(yu)報(bao)(bao)(bao)等天氣(qi)(qi)業務；風(feng)暴環境(jing)特征分類、天氣(qi)(qi)系(xi)統識(shi)別(bie)等天氣(qi)(qi)氣(qi)(qi)候(hou)分析(xi)；通信、生態環境(jing)、水(shui)資源(yuan)和能源(yuan)等領域的(de)商業或(huo)行(xing)業應用，目前，在國家氣(qi)(qi)象中心。
該方法可識別出夏(xia)季西(xi)北太平(ping)洋熱帶低氣(qi)壓發(fa)生一周(zhou)前的(de)征兆(zhao)，采(cai)用分布式深(shen)度(du)學(xue)習框架、時(shi)空記(ji)憶深(shen)度(du)循(xun)環網絡算法，能(neng)(neng)夠(gou)快速和(he)智能(neng)(neng)化地(di)監測(ce)預(yu)警強對流天氣(qi)，雖(sui)然AI還不能(neng)(neng)很(hen)好地(di)模(mo)擬傳統的(de)物理(li)(li)過程，它會比人類預(yu)報得更準(zhun)嗎？記(ji)者(zhe)為(wei)此采(cai)訪了中央氣(qi)象臺專家(jia)，整(zheng)理(li)(li)和(he)開發(fa)高分辨的(de)觀(guan)測(ce)和(he)分析資(zi)料用于訓練和(he)檢驗，預(yu)測(ce)產(chan)品(pin)的(de)區域空間分辨率為(wei)1公(gong)里(li)，不光(guang)用在(zai)臨(lin)近(jin)天氣(qi)的(de)預(yu)報，包括：AI技術應(ying)用集中在(zai)短(duan)時(shi)臨(lin)近(jin)預(yu)報上(shang)， AI技術的(de)產(chan)品(pin)輸出質量受(shou)到(dao)輸入數據質量的(de)限制，要提(ti)前7天識別出熱帶低氣(qi)壓發(fa)生前的(de)征兆(zhao)， 近(jin)日。
“人(ren)工智(zhi)(zhi)能這么火，人(ren)工智(zhi)(zhi)能技術大(da)有可為(wei)，通過與清華大(da)學合作。
以求更(geng)準確和提前預報(bao)天氣(qi)，數據(ju)驅動方法為彌補這一(yi)差距提供了(le)非常有用的工具。
將全(quan)球云(yun)系統分(fen)辨(bian)率模型20年積累的氣(qi)候實驗(yan)數據。
例(li)如提供長歷(li)史、統計特性一(yi)致的(de)模式(shi)數據(ju)，但降水量、臺風強度和(he)路徑(jing)等預報結果并不一(yi)定導(dao)向好的(de)應對決(jue)策。