AI模型有望生成更快更准确的天气预报

未来可能会采取完全不同的方法。华盛顿大学和微软研究院之间的合作展示了人工智能如何分析过去的天气模式来预测未来的事件，比今天的技术更有效，可能有一天更准确。

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。根据今年夏天发表在《华尔街日报》上的一篇论文，这个简单的、基于数据的 AI 模型可以通过从一个预测到下一个预测重复类似的步骤，更快地模拟全球一年的天气，几乎与传统天气模型一样。地球系统建模进展。

“机器学习本质上是在做模式识别的美化版本，”主要作者乔纳森·韦恩说，他在华盛顿大学大气科学博士学位期间进行了这项研究。“它看到一个典型的模式，识别它通常是如何演变的，并根据它在过去 40 年的数据中看到的例子来决定做什么。”

不出所料，尽管新模型不如当今顶级传统预测模型准确，但当前的 AI 设计使用的计算能力要少 7,000 倍，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。

这种加速将使预报中心能够以略有不同的起始条件快速运行许多模型，这种技术称为“集合预报”，可以让天气预报涵盖天气事件的可能预期结果范围——例如，飓风可能袭击的地方.

“这种方法的效率要高得多;这就是它的重要意义，”作者、华盛顿大学大气科学教授戴尔·杜兰 (Dale Durran) 说。“承诺是它可以让我们通过拥有一个足够快的模型来运行非常大的集成来处理可预测性问题。”

微软研究院的合著者 Rich Caruana 最初与 UW 小组接洽，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 正在学习机器学习方面的 UW 计算机科学课程，并决定解决这个项目。

“在对过去的天气数据进行训练后，人工智能算法能够提出物理方程无法做到的不同变量之间的关系，”韦恩说。“我们可以负担得起使用更少的变量，因此制作一个更快的模型。”

为了将成功的人工智能技术与天气预报相结合，该团队将一个立方体的六个面映射到地球上，然后将立方体的六个面展平，就像在建筑纸模型中一样。作者以不同的方式对待极地，因为它们在天气中的独特作用是提高预测准确性的一种方式。

然后，作者通过预测 500 百帕斯卡压力的全球高度来测试他们的模型，这是天气预报中的标准变量，全年每 12 小时一次。最近的一篇论文，其中包括 Weyn 作为合著者，介绍了 WeatherBench 作为数据驱动天气预报的基准测试。在为三天预测开发的预测测试中，这个新模型是表现最好的模型之一。