由AI驱动的神经网络可准确预测极端天气事件

 
赖斯大学的研究人员开发了一种深度学习系统，可以预测致命的热浪和冬季暴风雨，然后再进行预测。
该系统在数百对显示地面温度和气压的地图上进行了训练。其中包括通常导致极端天气事件的高温和低温季节。每对在同一地理区域内显示这些条件，但相隔几天。
经过培训，该系统被应用到从未见过的地图上，并负责对极端天气进行五天预报。它产生的预测准确率为85%。
研究人员在观察到现有的预测方法对极端天气事件提供不可靠的预测后，选择了这种方法。
“当您收到这些热浪或冷风时，如果您看一下天气图，您通常会发现喷流中有些奇怪的现象，异常现象，例如大浪或不动的高压系统。这项研究的共同作者，赖斯机械工程系的助理教授佩德兰·哈桑扎德(Pedram Hassanzadeh)在一份声明中说。

 
“看来这是一个模式识别问题。因此，我们决定尝试将极端天气预报重新设计为模式识别问题，而不是数值问题。”
他的研究团队怀疑深度学习的模式识别能力使其成为该任务的主要候选人。
选择胶囊神经网络
研究人员使用胶囊神经网络，因为这种类型的机器学习系统可以识别压力模式的相对位置，这是天气可能如何变化的关键指示。此外，这些网络不需要大量的培训数据。
Hassanzadeh希望该系统最终将由天气预报员使用。但是他的下一个目标是将系统的预测范围延长到10天以上，因为这是传统的基于计算机的数字天气预报(NWP)模型难以准确进行的地方。
他说：“我们不建议最终将取代NWP。” “但这可能是NWP的有用指南。从计算上来说，这可能是一种提供某些指导的超便宜方法，即预警，可让您将NWP资源专门用于可能出现极端天气的地方。”