首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >[新知] 研究人员利用深度学习精确预测极端天气事件

[新知] 研究人员利用深度学习精确预测极端天气事件

作者头像
阿泽
发布2020-03-26 17:13:05
1K0
发布2020-03-26 17:13:05
举报

利用胶囊神经网路技术建构的极端天气预测系统,可快速且以88%的准确率,预测寒流与热浪发生的位置。

莱斯大学的研究人员,开发了一个以深度学习技术作为基础的天气预测系统,能以80%精确度预测5天后的极端天气事件。由于新方法计算成本低廉,因此可用来辅助传统数值天气预测模型,缩小需要精确计算的范围。

天气预测技术已经发展了数十年,绝大多数的进步,都是改进数值天气预测(Numerical Weather Prediction,NWP)模型,以取得更好的结果,但是即便数值天气预测模型越来越複杂,投入更多的运算资源与时间,但是在预测极端天气时仍遇到许多困难。

研究人员提到,当有热浪或是寒流出现时,观测天气图通常会发现喷射气流呈现不寻常的状态,像是大量或是不移动的高压系统等异常现象,而气压分布是决定天气变化的关键因素,研究人员认为,预测极端天气是一种模式辨识问题,而不使用数值方法来处理。

研究人员同时使用了卷积神经网路(CNN)以及胶囊神经网路(CapsNet),并以1920年到2005年的历史天气资料来训练模型。胶囊神经网路是一种机器学习系统,属于人工神经网路的类型,可以更好地表示模型阶层关係。

用来训练神经网路的资料有地表温度,以及对流层中层大规模环流模式(Z500),使用胶囊神经网路可预测寒流与热浪的发生,以及出现的区域,准确率达到88%,研究人员提到,胶囊神经网路的效能,比卷积神经网路和逻辑回归方法还要好。

这个研究证明,多变量由数据驱动的框架,有望实现准确且即时的极端天气预报,研究人员不认为这个方法可以立即取代数值天气模型,但是可作为早期极端天气警报,帮助缩小需要利用数值天气模型,特别精确计算的范围。

https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2019MS001958

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2020-03-21,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Flink实战应用指南 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档