彌補傳統(tǒng)數(shù)值模式的不足

　　代刊告訴記者，傳統(tǒng)天氣預報不斷發(fā)展更加復雜的動力數(shù)值模式，以求更準確和提前預報天氣，人工智能預報天氣則是以大數(shù)據(jù)驅(qū)動為主的預報技術(shù)，“實際上這兩種方式是解決不同的問題，即不斷發(fā)展的數(shù)值模式系統(tǒng)提供更高分辨率、更準確的預報結(jié)果，但由于其自身的缺陷以及天氣預報的不確定性，仍然不能滿足各種用戶的不同需求，數(shù)據(jù)驅(qū)動方法為彌補這一差距提供了非常有用的工具。”代刊表示。

　　在我國，近年來隨著天氣業(yè)務(wù)現(xiàn)代化建設(shè)的推進，AI技術(shù)也得到逐步應(yīng)用。據(jù)代刊介紹，在國家氣象中心，研究人員已經(jīng)將數(shù)據(jù)挖掘技術(shù)應(yīng)用于海量集合預報數(shù)據(jù)的預報信息提取，如發(fā)展的最優(yōu)百分位技術(shù)和臺風路徑最優(yōu)選取集成方法，對提高預報準確率起到顯著效果。

　　“我們正在探索將人工智能技術(shù)應(yīng)用于網(wǎng)格預報業(yè)務(wù)，通過與清華大學合作，采用分布式深度學習框架、時空記憶深度循環(huán)網(wǎng)絡(luò)算法，雷達外推預報準確率較之以往平均提升40%。”代刊說。

　　在公共氣象服務(wù)中心，研究者聯(lián)合天津大學共同研發(fā)了全國強對流服務(wù)產(chǎn)品加工系統(tǒng)。該系統(tǒng)運用圖像識別和深度學習等新技術(shù)，能夠快速和智能化地監(jiān)測預警強對流天氣，可以判斷出未來30分鐘內(nèi)強對流天氣發(fā)生和影響的區(qū)域，預測產(chǎn)品的區(qū)域空間分辨率為1公里，每6分鐘滾動更新。

　　除了國家氣象臺，各省級氣象臺也都已開展相關(guān)研究，“人工智能這么火，我們肯定希望早把它用在我們的專業(yè)上，不用新技術(shù)就落伍了。”錢奇峰笑說。目前，廣東省氣象局利用阿里平臺開展的基于深度學習的短臨降水預報效果良好；北京市氣象局也將機器學習方法應(yīng)用于溫度預報；福建省氣象局基于機器學習的降水要素的客觀訂正方法已在多個省氣象局得到業(yè)務(wù)推廣應(yīng)用。