谷歌母公司alphabet旗下的英国顶级人工智能研究机构Deepmind再次崛起！
这一次，deepmind聚焦天气预报的主要挑战，与Met Office合作，将人工智能应用于降雨预测，可以比现有的预测模型更准确地预测未来1-2小时的降雨量。
▲ deepmind的人工智能模型可以提前90分钟预测天气
根据本文，deepmind使用深度生成模型来实现精确的降雨量预测。使用NVIDIA V100 GPU，该模型可以在1.3秒内生成全分辨率的临近天气预报样本。
据deepmind研究团队介绍，气象专家评论称，与传统方法相比，他们对deepmind提出的新人工智能模型普遍持乐观态度，这为利用人工智能大幅提高精度的新天气预报方法铺平了道路。
这项研究刚刚发表于顶级学术期刊Nature上天气预报是怎么预测的，题目为《用雷达深度生成模型进行有技巧的降雨临近预报》。本文对模型、数据和验证方法进行了系统的整理和讨论。
现代天气预报的棘手问题：2小时内精准预测天气
“今晚要下雨了，记得带伞！”在人们的聊天中，关于天气的讨论和建议非常常见。
从日常生活到防灾，天气预报需要越快越好越准。但是今天，预测降雨量仍然是气象学家面临的主要挑战。
在中世纪，气象学家首先用恒星来预测。慢慢地，记录季节和降雨模式的表格开始被保存。几个世纪后，英国物理学家兼数学家刘易斯·弗莱·理查森设想了一个“预测工厂”（Forecast Factory），利用计算和大气物理方程来预测全球天气。
今天，deepmind为天气预报系统增加了一个新的“机器学习”元素。
现代天气预报是由数值天气预报系统驱动的。通过求解物理方程，NWP可以提前几天预测未来的天气。这样的方法通常在预测6小时至2周的天气时有很好的准确性，但在预测2小时的天气时准确性会下降。
现在，临近预报填补了这一关键时段的性能空白。
近天气预报对水管理、农业、航空、应急规划和户外活动至关重要，并支持许多依赖天气的行业的实际社会经济需求。
天气传感技术的进步使得高分辨率雷达数据能够以高频(例如每5分钟1公里的分辨率)测量地面降水。将现有方法难以解决的关键领域与高质量数据的可用性相结合，为机器学习提供了促进邻近预测的机会。
近年来，出现了几种基于机器学习的方法。他们基于雷达观测到的大量数据集进行训练，以便更好地模拟强降雨和其他不可预测的降雨现象。例如，谷歌和美国国家海洋和大气管理局(诺阿)正在合作开发一个机器学习系统天气预报是怎么预测的，该系统可能会被注入诺阿。微软还资助从历史数据中识别重复的天气和气候模式，以改进亚季节和季节预测模型。
在国内，蔡赟天气等天气预报公司已经实现了基于天气雷达图和人工智能算法的分钟精准降水预报。短时降雨预报精度达1分钟，预报范围缩小至1公里，预报准确率达80%~90%。
发表评论