人工智能会成为优秀的天气预报员吗？听专家怎么说

最近，人工智能可以提前一周预报台风的消息引起了人们的关注。根据该报告，日本海洋研究所和九州大学研究小组开发了一种高精度方法，利用人工智能深度学习技术，从全球云系统分辨率模型的气候实验数据中识别热带低压症状云。这种方法可以在夏季西北太平洋热带低压前一周识别症状。

事实证明，人工智能已经开始在天气预报中发挥作用。它会比人类的预测更准确吗？记者采访了*气象台的专家，试图了解人工智能天气预报助理的表现。

人工智能成为天气预报研究的热点

据相关报道，该研究团队的具体方法是，首先利用全球云系分辨率模型中积累了20年的气候实验数据，利用热带低压跟踪算法制作5万幅热带低压初始云和演变中的热带低压云图片，再加上100万幅尚未演变成热带低压的热带低压云图片，将总共105万幅图片组成10组学习数据。利用深度卷积神经网络的机器学习，生成10种不同特征的识别器，然后构造一个能够综合评价10种识别器结果的集合识别器。

对此，*气象台台风海洋天气预报中心副主任钱启峰表示，相关报道只是介绍了实践，并没有反映具体的预报结果。“台风的发展有一些阶段，在海洋中发育和形成胚胎需要相对较长的时间，短的阶段需要2到3天，长的阶段需要5天甚至7天才能发展成台风。人们相信提前七天识别热带低气压的迹象是可能的。”

钱启枫认为，神经网络在天气预报中的应用并不新鲜。在20世纪80年代已经有了一些应用。随着大数据和人工智能的发展，海量数据深度学习和复杂神经网络的逐步应用，人工智能天气预报已经成为一个非常热门的话题。它不仅应用于天气预报、气候应用研究、台风海洋预报和海雾预报等领域，而且有人工智能技术的支持。

*气象台天气预报技术研发办公室副主任代表该刊介绍，学术界对人工智能在天气和气候方面的应用研究进展进行了分类和梳理，主要包括雷达质量控制、卫星数据反演和同化等天气数据处理。短期邻近预报、概率预报、台风海洋天气预报、极端或灾难性天气警报、环境预报和其他天气服务；天气和气候分析，如风暴环境特征分类和天气系统识别；通信、生态环境、水资源、能源等领域的商业或工业应用。如何将人工智能技术应用于天气和气候的研究和应用已经成为一个热门话题。

弥补了传统数值模型的不足

戴侃告诉记者，传统的天气预报正在发展更复杂的动态数值模式，以更准确和提前地预报天气，而人工智能天气预报是一种大数据驱动的预报技术。“事实上，这两种方法是为了解决不同的问题，即不断发展的数值模式系统提供了更高的分辨率和更准确的预报结果，但由于其自身的缺陷和天气预报的不确定性，它仍然不能满足不同用户的不同需求，而数据驱动方法为弥补这一差距提供了非常有用的工具。”该机构称。

近年来，随着气象服务现代化的推进，人工智能技术在我国得到了逐步应用。据国家气象中心的daikan称，研究人员已经将数据挖掘技术应用于从大量集合预报数据中提取预报信息，如开发的最佳百分位技术和台风路径最佳选择的综合方法，这些技术在提高预报精度方面发挥了重要作用。

“我们正在探索人工智能技术在电网预测中的应用。通过与清华大学的合作，采用分布式深度学习框架和时空记忆深度循环网络算法，雷达外推预测的精度比过去平均提高了40%。”代坎说。

在公共气象服务中心，研究人员与天津大学联合开发了国家强对流服务产品处理系统。利用图像识别和深度学习等新技术，该系统能够快速、智能地监测和预警强对流天气，并能够确定强对流天气将在未来30分钟内发生和影响的区域。预测产品的区域空间分辨率为1公里，每6分钟更新一次。

除了国家气象局，省级气象局也开展了相关研究，“人工智能如此受欢迎，我们当然希望在我们的专业早期使用它，如果没有新技术，它将会落后。”钱启枫笑着说道。目前，广东省气象局利用Ali平台开展的基于深度学习的短临降水预报取得了良好的效果。北京气象局还将机器学习方法应用于温度预测。福建省气象局基于机器学习的降水要素客观校正方法已在多个省级气象局得到应用。

结合优势深度开发

虽然取得了一系列成果，但与发达国家相比，我国人工智能在天气预报方面的研究和应用还存在一定的差距，包括:人工智能技术的应用主要集中在短期短期预报方面，而对数据质量控制、多灾种天气预警能力、产品生产和决策服务等整个天气预报业务链的支持还远远不够；人工智能技术主要是应用和发展的。面向业务需求的相关理论研究和有针对性的研发不够深入。

对此，daikan建议，为了进一步推动人工智能技术在业务流程的关键环节发挥重要作用，今后应加强新的、更高层次的人工智能技术理论研究和应用开发。“目前，大多数人工智能技术的研究和开发主要基于具有大气科学专业背景的人员。具有统计学、计算科学、大数据挖掘等专业背景的科学家。被要求加入并积极与相关大学和研究机构合作。”

更重要的是数据。人工智能技术产品的输出质量受到输入数据质量的限制。为了取得更好的效果，有必要加强高质量、长序列气象训练数据集的研究和开发，如提供模型数据的长期历史和一致的统计特征，为训练和检查整理和开发高分辨率的观测和分析数据。在日本海洋研究所和九州大学的上述研究中，研究团队需要针对每种气象类型的数千张图片的大量数据，以便通过深入学习获得更高的识别精度。“我们还在对一长串气象数据进行重新分析。”该机构称。

此外，他强调，目前大多数人工智能技术类似于“黑盒”，在正常情况下工作良好，但在极端情况下可能会失败。因此，据戴坎介绍，英国气象局一直在使用数据驱动，将统计技术与物理模型和深刻的理解相结合，并积累了大量的经验。例如，高分辨率观测网络、复杂的数值模型和使用统计技术的再分析数据的结合，为风能行业开发了可操作的预测工具，该工具可以提供更精确的风力预测，并适用于复杂的地形条件。

“为了克服黑盒应用带来的挑战，开发环境科学的机器学习理论和方法也是必要的。”该机构称。此外，还必须积极推动将研究成果转化为商业应用，包括建立开放和创新的后处理支持基础设施，建立跨部门团队来构建和维护通用人工智能算法软件、培训和测试数据、检查和评估等。，并为培训研发水平相关人员提供资源。

戴侃说，有一个好的预测并不意味着做出一个好的决定。传统的数值预报结果越来越精确，但降水、台风强度和路径等预报结果并不一定能做出好的响应决策。在这方面，人工智能技术有很大的潜力。尽管人工智能还不能很好地模拟传统的物理过程，但它可以通过综合交通、能源、农业等各个领域的数据和研究，帮助人类在处理天气影响时提出更好的决策方案。

“人工智能在气象行业的应用刚刚起步，未来仍有许多应用场景。”钱启枫表示:“未来10年，基于物理模型的数值预报与数据驱动方法的融合将为天气预报带来新的机遇。例如，将机器学习应用于难以用物理模型处理的预测，如交通堵塞、航空延误和花粉过敏，可以提供更有价值的信息。”记者崔爽