美国国家大气研究中心（NCAR）正在使用人工智能对冰雹、龙卷风和强风进行实验性预测，暴风雪危害可能造成严重破坏，但众所周知，天气模型难以准确预测。



神经网络每天在特定时间、在特定位置，对发生冰雹，龙卷风或大风的可能性进行预测，每天更新两次，可在线免费获得。



NCAR在2020年春季开始运行这些研究预报，这是美国国家海洋与大气管理局（NOAA）进行的有害天气试验的一部分。


当6月底春季严峻的天气季节结束时，研究小组分析了预报，并将其与更传统的预报风暴危害的技术进行了比较。



科学家发现，神经网络大大提高了基于传统模型输出的预测准确性，尤其是在那些传统预测往往表现最差的情况下，包括在美国东部和西部的风暴中。



在大多数情况下，我们都能表现出显著进步。神经网络不仅可以更熟练地预测，何时何地可能发生严重的风暴灾害，而且还可以更好地预测该危险事件是被冰雹还是风所主导。



该系统在今年春季通过一些调整重新启动并运行。该项目由NOAA和NCAR的赞助者国家科学基金会资助。预测是在NCAR怀俄明州超级计算中心的Cheyenne超级计算机上运行的。



为了使天气模型准确预测雷暴，必须以足够高的分辨率运行它，以捕获驱动风暴产生的精细的大气现象（包括上升气流和下降气流）。

通常，模型内部的网格点之间的距离要求为4公里（2.5英里）或更短。在该分辨率下，模型可以开始模拟风暴本身，但无法产生与风暴相关的许多危害，这些危害甚至在较小的规模上都会发生，包括冰雹和龙卷风。因此，预报员已经依靠模型数据或代理中的特定输出，来确定严重风暴将产生此类危害的可能性。



最常用的代理之一是上升气流螺旋度，它是风暴旋转的量度。旋转强度更大的风暴往往更加严重，并且更有能力产生冰雹和龙卷风。该代理在超级单元和其他旋转风暴中的效果相对较好，但无法捕获直线风暴中可能产生的一些恶劣天气，例如回声。



相比之下，NCAR的新预报中使用的神经网络可以吸收大约40个不同的因素，包括上升气流的螺旋度，还有风暴的位置、时间、露点、风速、地表压力等等。



神经网络使用模式来预测那些预测变量如何从训练数据集中相互关联，在这种情况下，这是来自NOAA的“高分辨率快速刷新”模型的近500个过去的预测以及随附的实际风暴报告，来计算概率暴风雨会产生冰雹、龙卷风或强风。



神经网络产生的预测表明，在模型中各个网格点的40公里（25英里）或120公里（75英里）内可能会形成风暴危险。



通过考虑暴风雨轮换以外的因素，与仅基于上升气流螺旋的预测相比，神经网络能够更好地预测与直线风暴有关的危害，并且对于超级单元不太可能形成的区域的预测，神经网络也有所改进，特别是中西部以外的地区。



神经网络预测的成功表明，机器学习可能是进行操作预测的有用工具。作为危险天气测试平台的一部分，今年春季将再次运行预报，从运营预报员那里获得更多反馈，以了解他们如何将此类信息纳入其现有的预报过程。”








上一篇：到2027年，AI全球市场规模将达2670亿美元
下一篇：钱菊英教授：冠状动脉微血管病变的现状与挑战