机器学习及其在恶劣天气预测中的根本应用

在过去的十年中，人工智能(“AI”)应用已在包括计算机视觉，通信和医学在内的各个研究领域中爆炸式增长。现在，快速发展的技术正在天气预报中崭露头角。

大气科学和卫星气象学领域非常适合该任务，它提供了丰富的训练场，能够满足AI系统对数据的无限需求。安东尼·威默斯(AnthonyWimmers)是威斯康星大学麦迪逊分校气象卫星合作研究所(CIMSS)的科学家，过去三年一直从事AI系统的研究。他的最新研究调查了AI模型如何帮助改善飓风的短期预报(或“预报”)。

该模型称为DeepMicroNet，它使用深度学习，即一种在“深度”交互层中排列的神经网络，可以在数据集中查找模式。Wimmers探索了像DeepMicroNet这样的AI系统如何补充和支持常规天气预报系统。

CIMSS的Wimmers及其同事ChrisVelden和美国海军研究实验室的JoshCossuth在2019年发表在《月度天气评论》杂志上的2019年论文中，描述了一种利用深度学习根据特定天气卫星的数据估算飓风强度的方法。这些卫星在头顶经过时，会通过电磁频谱中微波部分的测量来收集有关飓风结构的关键信息。利用30年的微波数据，本文演示了该模型如何以更高的精度估算热带气旋的强度。

Wimmers说：“这项研究的结果显示出很大的希望，不仅是因为该模型的临近预报准确性，还因为这些结果来自通常不用于估计飓风强度的数据。”

像这样的快速分析可以为预报员提供有关风暴行为和预期结果的重要信息，例如风暴是否将进行眼墙更换或快速强化。

当预测飓风的最大持续风时，DeepMicroNet的结果与预报员估计值的历史记录相差每小时约16英里。但是，当数据集仅限于飞机直接测量的数据时，DeepMicroNet的结果得到了改善。然后，DeepMicroNet的行驶速度不足11.5mph。相比之下，使用最新技术方法进行的估算通常每小时会减少10英里。

标签：

免责声明：免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！