AI|AI改变天气预报：90分钟后降雨量1秒算出 DeepMind论文登Nature( 二 )_AI改变天气预报：90分钟后降雨

近年来，已有几种基于机器学习的方法问世，他们在雷达观测的大数据集上训练，目的是更好地模拟强降雨和其他难以预测的降雨现象。例如，Google与美国国家海洋和大气管理局（NOAA）合作研究可能注入NOAA企业的机器学习系统，微软还出资从历史数据中识别重复的天气和气候模式，以改进次季节性和季节性预测模型。
在我国，彩云天气等天气预报公司基于气象雷达图和AI算法，已经实现了分钟级精准降水预报，短时降雨预报精度达1分钟，预报范围缩小至1公里，预报准确率达80%~90% 。
二、临近预报的深度生成模型：准确性和实用性均排名第一
【AI|AI改变天气预报：90分钟后降雨量1秒算出 DeepMind论文登Nature】DeepMind专注于预测临近降雨量：提前2小时预测降雨的数量、时间和地点。
研究人员采用一种类似于GAN的深度生成模型方法DGMR，以过去的雷达数据为基础，对未来的雷达作出详细和可信的预测。
从概念上讲，这是一个生成雷达影像的问题。降雨深度生成模型DGMR学习了数据的概率分布，描述随机变量可能获得的所有可能值，以从其学习的分布中生成“临近预报” 。
有了这些方法，研究团队既可以准确地捕捉到大规模的降雨事件，同时也可以产生许多替代的降雨情景（也称集成预测ensemble prediction），从而探索降雨的不确定性。研究期间，研究团队使用了英国和美国的雷达数据。
在训练过程，研究团队通过比较CPU（10核心AMD EPYC）和GPU（NVIDIA V100）硬件的速度来评估采样速度，发现生成每个样本，CPU所用平均时间为23.7秒，GPU为1.3秒。

文章图片

▲利用过去20分钟的观测雷达资料，用降雨深度生成模型（DGMR）提供未来90分钟的概率预测。
DeepMind团队在博客中提到：“我们特别感兴趣的是这些模型对中到大雨事件的预测能力，这些事件对人们和经济的影响最大。”他们展示了与竞争方法相比，这些模型在统计方面的显著改进。
为了验证DGMR生成预测结果的精度，研究团队准备了2个现有降雨预测模型，分别隐藏模型名，请英国国家气象局的56名气象预报专家来评估。
与其他主流临近预测方法相比，DGMR对1536公里乘1280公里的区域做出了更现实、更一致的预测，提前5~90分钟进行预测。
“与广泛使用的临近预报方法相比，他们（56名气象专家）在89%的案例中将我们的新方法评为他们的首选，这体现我们的方法有能力为现实世界决策者提供洞察力。”DeepMind研究人员写道。相对于另外两种竞争方法，DGMR在准确性和实用性评估方面排名第一。
如图所示，下图左上角为观测到的实际雨云的移动，右上是DGMR模型生成的预测结果，相比降水强度过高的对流方法（PySTEPS）和模拟结果模糊的确定性深度学习方法（UNet），DGMR能更好地捕捉环流、强度和结构，并更准确地预测东北部的降雨量和运动，同时生成清晰的预测。