AI能成为更优秀的天气预报员吗?

传统上,天气预报要基于各类气象观测仪器和多个气象站,借助超级计算机计算出预测温度、风、降雨和其他天气的方程式,然后把温度、湿度、气压等指标测量出来,汇总后将观测结果绘制到一张图上。

近期,华盛顿大学和微软研究院的一项合作项目展示了人工智能在预测天气中的独特角色:用过去40年的全球天气数据进行训练,通过分析过去的天气模式来预测未来的天气状况。

“机器学习本质上就是模式识别的美化版,”该研究的第一作者Jonathan Weyn说,“人工智能可以识别其中的典型模式并学习演变规律,然后根据过去40年的天气数据做出天气预测”。

尽管新模型进行天气预测的准确率不如当今最顶尖的传统预测模型,但使用人工智能对全球相同数量的观测点进行预测时,计算时间能够缩短至原来的1/7000。

计算能力的加速将使预报中心能够快速运行许多初始条件略有不同的模型。这种技术被称为“集合预报”,可以让预测覆盖天气可能的预期结果范围,例如预测飓风可能袭击的地方。

“集合预报”能够预测飓风可能袭击的地方

“这种方式的效率更高,这就是最重要之处,”作者Dale Durren说,“可以期待,通过建立一个足够快的人工智能模型来运行庞大的系统,能够帮助我们处理可预测性问题。”

“用过去的天气数据进行训练,人工智能算法能够解决物理方程无法解决的不同变量之间的关系,”Weyn说,“我们可以使用更少的变量做出更快的模型。”

为了将人工智能技术与天气预报有机结合,该团队将地球看成一个立方体,并对“立方体”的六个面进行绘制。团队成员对极地面的处理方式不同,因为极地对全球天气的独特调节作用是提高预报准确性的一种方式。

在模型测试环节,模型需要对全球范围内气压达到500帕斯卡的高度进行预测。500帕斯卡高度是天气预报的一个标准变量,一年里每12个小时预测一次。

在最新发布的一篇论文中,Weyn介绍了Weather Bench作为数据驱动天气预报的基准测试。在预测测试中,这种新模型是表现最好的模型之一。

作者说,数据驱动的模型在与传统预测模型展开竞争之前需要完善更多的细节。

虽然人工智能提升了气象预测、天气预报相关模型的计算速度,但在天气预测中,影响天气变化的因素成千上万个,无论是光照、海水洋流,每一个变量都在时刻不停的变化,也都会影响到气候变化。

涉及到的变量越多,对人工智能训练数据、计算能力的要求就越高,无论是综合研判还是 AI,在气象数据的预测方面,还有很长的路要走。

参考:

1.https://www.sciencedaily.com/releases/2020/12/201215142218.htm

2.https://mp.weixin.qq.com/s/k1L23kY3PPX268P0Fm4qXA

评论

暂无评论