携手健康网携手健康网

AI模型显示出产生更快 更准确的天气预报的希望

今天的天气预报来自地球上一些功能最强大的计算机。巨大的机器经过数百万次计算,以求解方程式来预测温度,风,降雨量和其他天气事件。预测对速度和准确性的综合需求,即使是最先进的计算机也要缴税。

未来可能会采取截然不同的方法。华盛顿大学与微软研究院(Microsoft Research)的合作展示了人工智能如何比过去的技术更有效地分析一天的天气模式以预测未来事件,并且有朝一日可能更准确。

新开发的全球天气模型的预测基于过去40年的天气数据,而不是详细的物理计算。根据今年夏天在《华尔街日报》上发表的一篇论文,通过从一个预测到下一个预测采取类似的重复步骤,基于数据的简单AI模型可以更快,几乎与传统天气模型一样模拟全球一年的天气。地球系统建模研究进展。

主要研究人员乔纳森·韦恩(Jonathan Weyn)说:“机器学习本质上是在进行模式识别的荣耀版本。” “它看到了一个典型的模式,认识到它通常会如何发展,并根据过去40年的数据所看到的例子来决定做什么。”

尽管毫无疑问,新模型的准确性不如今天的顶级传统预测模型,但当前的AI设计使用的计算能力要少大约7,000倍,才能为全球相同数量的点创建预测。更少的计算工作意味着更快的结果。

这种加速将使预测中心能够以不同的开始条件快速运行许多模型,该技术称为“整体预测”,可让天气预报涵盖天气事件可能发生的预期结果的范围(例如,飓风可能袭击的范围)。

威斯康星大学大气科学教授达勒·杜兰(Dale Durran)说:“这种方法效率高得多,这很重要。” “有希望的是,它可以通过拥有足够快的模型来运行大型集合来处理可预测性问题。”

微软研究院的合著者里奇·卡鲁阿纳(Rich Caruana)最初与华盛顿大学(UW)小组提出了一个项目,该项目使用人工智能在不依赖物理定律的情况下根据历史数据进行天气预报。Weyn正在上一所有关机器学习的UW计算机科学课程,因此决定解决该项目。

韦恩说:“在对过去的天气数据进行训练之后,人工智能算法能够提出物理学方程式无法做到的不同变量之间的关系。” “我们负担得起使用更少的变量,因此可以更快地建立模型。”

为了将成功的AI技术与天气预报相结合,研究小组将一个立方体的六个面映射到了地球上,然后将立方体的六个面展平了,就像在建筑用纸模型中一样。作者将极面的处理方式有所不同,因为它们在天气中的独特作用是提高预报准确性的一种方法。

然后,作者通过预测每12个小时全年500百帕斯卡压力的全球高度(这是天气预报中的标准变量)来测试他们的模型。最近的一篇论文,其中包括Weyn的合著者,介绍了WeatherBench作为数据驱动的天气预报的基准测试。在针对三天预测而开发的预测测试中,该新模型是性能最高的模型之一。

这组作者说,数据驱动的模型在开始与现有的运行预报竞争之前需要更多细节,但是这种想法显示出有望成为生成天气预报的一种替代方法,尤其是在以前的天气预报和天气观测数量不断增加的情况下。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。