在气候变化塑造的世界中越来越重要的工具
人工智能对于短期预测可能特别有用。
天气预报是出了名的困难，但最近几年来专家建议机器学习可以更好地帮助从雨夹雪中分出阳光谷歌是最新一家参与其中的公司，并在本周的一篇博客文章中分享了一项新研究，该研究称其能够实现近乎即时的天气预报
这项工作处于早期阶段，尚未集成到任何商业系统中，但早期结果看起来很有希望在未经同行评审的论文中，谷歌的研究人员描述了他们如何能够通过几分钟的计算，以 1 公里的分辨率提前 6 小时生成准确的降雨预测
这是对现有技术的重大改进，现有技术可能需要数小时才能生成预测，尽管它们会在更长的时间段内生成并生成更复杂的数据。。
研究人员表示，快速预测将是有效适应气候变化，尤其是极端天气所需的重要工具 他们说，在一个越来越受不可预测的天气模式支配的世界中，短期预测对于危机管理以及减少生命和财产损失至关重要
谷歌的工作使用雷达数据来预测降雨量上图显示了云的位置，而下图显示了降雨量
与传统预测技术相比，Google 的方法提供的最大优势是速度该公司的研究人员将他们的工作与两种现有方法进行了比较:光流 预测，它着眼于云等现象的运动，以及模拟预测，它创建详细的基于物理的天气系统模拟
这些旧方法——尤其是基于物理的模拟——的问题在于它们的计算强度非常高例如，美国联邦机构进行的天气预报模拟每天必须处理来自气象站的多达 100 TB 的数据，并且在昂贵的超级计算机上运行需要数小时
如果计算预测需要 6 个小时，那么每天只能运行 3—4 次
如果需要6小时计算预测，只允许3—4每天运行，并导致预测基于6+小时的旧数据，这限制了我们发生了什么知识，现在权，写道:谷歌软件工程师贾森·希基在一篇博文中。
相比之下，谷歌的方法可以在几分钟内产生结果，因为它们不会尝试对复杂的天气系统进行建模，而是将简单的雷达数据作为降雨量的代理进行预测。1-3月，鲁西北，鲁中北部，半岛天气转多云，有雷雨或阵雨，其他地区天气多云，雷雨时阵风7-9级。
该公司的研究人员根据美国国家海洋和大气管理局 在 2017 年至 2019 年间在美国本土收集的历史雷达数据训练了他们的 AI 模型他们表示，他们的预测与根据相同数据进行预测的三种现有方法一样好或更好，尽管他们的模型在尝试提前六个多小时进行预测时表现出色
这似乎是目前天气预报中机器学习的最佳选择:做出快速，短期的预测，同时将更长时间的预测留给更强大的模型例如，NOAA 的天气模型最多可提前 10 天创建预报
虽然我们还没有看到 AI 对天气预报的全部影响，但许多其他公司也在调查同一领域，包括IBM和孟山都而且，正如谷歌的研究人员指出的那样，伴随着我们感受到气候变化的影响，这种预测技术只会在我们的日常生活中变得更加重要
。声明：本网转发此文章，旨在为读者提供更多信息资讯，所涉内容不构成投资、消费建议。文章事实如有疑问，请与有关方核实，文章观点非本网观点，仅供读者参考。
