研究员表示深度学习技术可用来预测天气模式

气象学家开始尝试深度学习技术来预测恶劣的天气模式。

美国国家大气研究中心（NCAR）的博士后研究员David Gagne开发了一种简单的卷积神经网络模型来预测雹暴的发生几率。

Gagne在加利福尼亚州圣何塞的GPU技术大会上发表演讲时表示，在过去的十年中，强风暴造成了大约140亿美元的损失，并且每年造成94人死亡。

冰雹事件发生前一天，气象学家开始警告恶劣天气条件的人们，但很难做到准确。因此，Gagne想知道深度学习是否能准确识别导致冰雹的天气模式并减少误报。

他从神经网络提供了一系列从NCAR实时集合预报中获取风暴活动的图像。增加了有关温度，风况，大气压力等级的详细信息，为每次风暴创建一个配置文件。

他训练神经网络以学习训练数据中与图像中风暴相关的特征。由于冰雹过程需要风暴的存在，因此该模型经过培训，可以查看诸如风切变，沿不同方向和高度的风速变化等属性 - 这是风暴正在酝酿的良好预测指标。

目标是突出显示雷达图像上的相同风暴区域，以便在监视风险时采用标准统计模型。

在对82,000种不同风暴剖面进行训练之后，Gagne在32,000次风暴中测试了神经网络，发现它的精确度约为88％。

考虑到该模型只有三层深，与具有数百层的最先进的图像分类模型相比，这是一个相当不错的结果。用Nvidia的Tesla K40 GPU芯片中的八颗处理器来训练模型需要15个小时。

该模型是一个概念证明，并且不够复杂，不足以用于实际天气预警系统。由于需要更好的算法和更改基础设施以投资更多GPU超级计算机集群，因此在气象学领域进行深度学习需要一段时间。但是更多的气象学家现在对AI和深度学习感兴趣，Gagne说。