谷歌母公司alphabet旗下的英國頂級人工智慧研究機構Deepmind再次崛起!
這一次,deepmind聚焦天氣預報的主要挑戰,與Met Office合作,將人工智慧應用於降雨預測,可以比現有的預測模型更準確地預測未來1-2小時的降雨量。
▲ deepmind的人工智慧模型可以提前90分鐘預測天氣
根據本文,deepmind使用深度生成模型來實現精確的降雨量預測。使用NVIDIA V100 GPU,該模型可以在1.3秒內生成全解析度的臨近天氣預報樣本。
據deepmind研究團隊介紹,氣象專家評論稱,與傳統方法相比,他們對deepmind提出的新人工智慧模型普遍持樂觀態度,這為利用人工智慧大幅提高精度的新天氣預報方法鋪平了道路。
這項研究剛剛發表於頂級學術期刊Nature上,題目為《用雷達深度生成模型進行有技巧的降雨臨近預報》。本文對模型、資料和驗證方法進行了系統的整理和討論。
現代天氣預報的棘手問題:2小時內精準預測天氣
“今晚要下雨了,記得帶傘!”在人們的聊天中,關於天氣的討論和建議非常常見。
從日常生活到防災,天氣預報需要越快越好越準。但是今天,預測降雨量仍然是氣象學家面臨的主要挑戰。
在中世紀,氣象學家首先用恆星來預測。慢慢地,記錄季節和降雨模式的表格開始被儲存。幾個世紀後,英國物理學家兼數學家劉易斯·弗萊·理查森設想了一個“預測工廠”(Forecast Factory),利用計算和大氣物理方程來預測全球天氣。
今天,deepmind為天氣預報系統增加了一個新的“機器學習”元素。
現代天氣預報是由數值天氣預報系統驅動的。透過求解物理方程,NWP可以提前幾天預測未來的天氣。這樣的方法通常在預測6小時至2周的天氣時有很好的準確性,但在預測2小時的天氣時準確性會下降。
現在,臨近預報填補了這一關鍵時段的效能空白。
近天氣預報對水管理、農業、航空、應急規劃和戶外活動至關重要,並支援許多依賴天氣的行業的實際社會經濟需求。
天氣感測技術的進步使得高解析度雷達資料能夠以高頻(例如每5分鐘1公里的解析度)測量地面降水。將現有方法難以解決的關鍵領域與高質量資料的可用性相結合,為機器學習提供了促進鄰近預測的機會。
近年來,出現了幾種基於機器學習的方法。他們基於雷達觀測到的大量資料集進行訓練,以便更好地模擬強降雨和其他不可預測的降雨現象。例如,谷歌和美國國家海洋和大氣管理局(諾阿)正在合作開發一個機器學習系統,該系統可能會被注入諾阿。微軟還資助從歷史資料中識別重複的天氣和氣候模式,以改進亞季節和季節預測模型。
在國內,蔡贇天氣等天氣預報公司已經實現了基於天氣雷達圖和人工智慧演算法的分鐘精準降水預報。短時降雨預報精度達1分鐘,預報範圍縮小至1公里,預報準確率達80%~90%。