人工智能会成为优秀的天气预报员吗？听专家怎么说

有关于网上说的人工智能会成为优秀的天气预报员吗？听专家怎么说和一些百分天气预报的相关题，大家都众说纷纭，小编为你带来详细的讲解。

近日，一则人工智能或能提前一周预测台风的消息引发关注。报道称，日本海洋研究机构和九州大学的研究团队利用人工智能深度学习技术，开发了一种从全云系统分辨率模型NICAM气候实验数据中高精度识别热带低压标志云的方法。该方法可以在夏季几个月内识别西北太平洋热带低气压发生前一周的迹象。

如果你不知道，人工智能已经开始在天气预报中展现威力。它会比人类的预测更准确吗？小编采访了中央气象台的专家，试图了解天气预报AI助手的表现如何。

人工智能已成为天气预报研究的热点

据相关报道，研究团队的具体做法是，首先利用热带低气压跟踪算法，利用全云系统分辨率模型积累的气候实验数据，创建5万张热带低气压初始云和演化热带低气压的图像，20年。云图，加上100万张未演化成热带低气压的低压云图，总共105万张图片构成10组学习数据。使用深度卷积神经网络的机器学习生成10种具有不同特征的识别器。然后构建一组识别器，可以综合评估10个识别器的结果。

对此，中央气象台台风与海洋气象预报中心副主任奇峰表示，相关报道仅介绍了方法，并未反映具体预报结果。“台风的发展有几个阶段，而且发展时间也比较长。它们在海洋中形成胚胎。短则2至3天，长则5甚至7天，即可发展成为台风。我相信可以提前7天在热带低气压发生前识别出征兆。”

奇峰表示，利用神经网络方法进行天气预报并不新鲜。20世纪80年代已经有一些应用。随着大数据和人工智能的发展，海量数据深度学习、复杂神经网络等逐渐得到应用。近年来，人工智能天气预报成为了一个非常热门的话题。不仅用于临近天气的预报，而且在气候应用研究、台风海洋预报、海雾预报等领域，都有人工智能技术的支持。

据中央气象台天气预报技术研发室副主任介绍，学术界对人工智能在天气气候方面应用的研究进展进行了分类整理，主要包括雷达质控、卫星等气象数据处理。数据反演和同化；短期临近预报、概率预报、台风海洋天气预报、极端灾害性天气预警、环境预报等气象服务；天气气候分析如风暴环境特征分类、天气系统识别等领域；通信、生态环境、水资源、能源应用等领域的企业或行业。如何将人工智能技术运用到天气气候领域的研究和应用已成为热点话题。

弥补传统数值模型的缺点

该杂志告诉编辑，传统天气预报不断开发更复杂的动态数值模型，以便更准确、更提前地预测天气。人工智能天气预报是一种由大数据驱动的预报技术。“事实上，这两种方法是为了解决不同的题，即不断发展的数值模式系统提供了更高分辨率、更准确的预报结果，但由于其自身的缺陷以及天气预报的不确定性，仍然无法满足人们的需求。”“不同用户的不同需求。数据驱动方法为弥合这一差距提供了非常有用的工具。”Daikan说道。

在我国，近年来，随着气象业务现代化的推进，人工智能技术也逐渐得到应用。国家气象中心的研究人员应用数据挖掘技术从海量集合预报数据中提取预报信息，如开发的最优百分位数技术和台风路径选择的最优集成方法，对提高预报水平具有重要意义。准确性。率有显着影响。

“我们正在探索人工智能技术在电网预报业务中的应用，通过与清华大学合作，采用分布式深度学习框架和时空记忆深度循环网络算法，雷达外推预报精度比去年平均提高了40%与过去。”杂志说。

在公共气象服务中心，研究人员与天津大学联合开发了国家强对流服务产品处理系统。该系统利用图像识别、深度学习等新技术，对强对流天气进行快速智能监测预警。它可以确定未来30分钟内将出现强对流天气并受影响的区域。预测产品区域空间分辨率为1公里。每6分钟滚动更新一次。

除国家气象台外，各省级气象台也开展了相关研究。“人工智能如此受欢迎，我们肯定希望尽快将其运用到我们的专业中。如果我们不使用新技术，我们就会落后。”奇峰笑着说道。目前，广东省气象局利用阿里巴巴开展基于深度学习的短期降水预报，效果良好；北京市气象局也将机器学习方法应用于气温预报；福建省气象局采用的基于机器学习的降水要素客观校正方法已在多个省级气象局推广应用。

结合优势深度发展

尽管取得了一系列成果，但与发达国家相比，国内人工智能在天气预报方面的研究和应用仍存在一定差距，包括人工智能技术的应用集中在短期临近预报，而针对天气预报的研究和应用还存在一定差距。整个天气预报业务的数据质量控制、多灾害天气预警能力、产品生产和决策服务等链条的支撑还远远不够；人工智能技术主要以应用开发为主，相关理论研究和针对业务需求的针对性研发还不够深入。

对此，杂志建议，为进一步推动人工智能技术在业务流程关键环节发挥重要作用，未来应加强新的、更先进的人工智能技术理论研究和应用开发。“目前，大多数人工智能技术方法研发仍然基于大气方法。主要是有科学背景的人，我们需要统计、计算科学、大数据挖掘等专业背景的科学家加入，我们将积极与相关大学和研究机构合作。”

更重要的是数据。人工智能技术产品的输出质量受到输入数据质量的。为了取得更好的效果，需要加强高质量、长序列的气象训练数据集的研发，例如提供历史悠久、统计特性一致的数据集。对数据进行建模，整理和开发高分辨率观察和分析数据以进行培训和验证。在前述日本海洋研究机构和九州大学的研究中，为了利用深度学习获得更高的识别精度，研究团队需要每种气象类型超过数千张图像的大量数据。“我们还在对长系列气象数据进行重新分析。”戴健说道。

此外，他强调，目前大多数人工智能技术都类似于“黑匣子”，在正常情况下工作良好，但在极端情况下可能会失败。因此，根据该出版物，英国气象局一直在使用数据驱动的方法，将统计技术与物理模型和深入理解相结合，并积累了大量的经验，例如使用高分辨率观测网络、复杂的数值模型并重新分析数据。结合统计技术，开发了风能行业的运营预测工具，可以提供更高精度的风力预测，并适用于复杂的地形条件。

“为了克服黑盒应用的挑战，还需要发展环境科学的机器学习理论和方法。”戴健说道。此外，还需要积极推动研究成果向商业应用的转化，包括建立开放的、众创的后处理支撑基础设施，建立跨部门的团队来构建和维护通用人工智能算法软件、培训和测试数据、检验评估等，为研发层面的相关人员培训提供资源。

该出版物指出，好的预测并不意味着可以做出好的决策。传统的数值预报结果越来越准确，但降水量、台风强度和路径等预报结果并不一定能带来良好的应对决策。在这方面，人工智能技术有着巨大的潜力。尽管人工智能还不能很好地模拟传统的物理过程，但通过整合交通、能源、农业等各个领域的数据和研究，它可以帮助人类提出应对天气影响的解决方案。更好的决策选择。

“人工智能在气象行业的应用才刚刚起步，未来还有很多应用场景。”奇峰表示，“未来10年，基于物理模型和数据驱动方法的数值预测的融合将为天气预报带来巨大的好处。新的机遇出现，比如将机器学习应用于交通拥堵、航班等预报。延迟和花粉过敏这些难以用物理模型处理的题，可以提供更有价值的信息。”编辑崔爽

关于人工智能会成为优秀的天气预报员吗？听专家怎么说的这类话题，和一些百分天气预报相关内容，讲解到这里就结束了，希望帮助到各大网友。