日本海洋研究機構和九州大學的研究小組利用人工智能深度學習技術，開發(fā)了從全球云系統(tǒng)分辨率模型(NICAM)氣候實驗數(shù)據(jù)中高精度識別熱帶低氣壓征兆云的方法。該方法可識別出夏季西北太平洋熱帶低氣壓發(fā)生一周前的征兆。研究成果于近期發(fā)表在日本《地球與行星科學的進展》雜志網(wǎng)絡版。

預測臺風和颶風等熱帶低氣壓的發(fā)生，一般是通過衛(wèi)星觀測和監(jiān)視云的演變過程，對觀測數(shù)據(jù)進行氣象模型模擬。但大氣現(xiàn)象非線性極強，不同的氣象模型預測的未來氣象結果會出現(xiàn)非常大的偏差。近年來人工智能技術飛速發(fā)展，可根據(jù)大數(shù)據(jù)中的特定類型進行深度學習，檢測特定現(xiàn)象，從而應用于具有不確定性的氣象領域。

利用深度學習獲得更高的識別精度，對每一種氣象類型都需要超過數(shù)千張圖片的大量數(shù)據(jù)。研究小組首先利用熱帶低氣壓跟蹤算法，將全球云系統(tǒng)分辨率模型20年積累的氣候實驗數(shù)據(jù)，制成5萬張熱帶低氣壓初始云及演變中的熱帶低氣壓云圖片，再加上100萬張未演變成熱帶低氣壓的低氣壓云圖片，共105萬張圖片組成10組學習數(shù)據(jù)，利用深度卷積神經(jīng)網(wǎng)絡的機器學習，生成不同特征的10種識別器，然后構筑出可對10種識別器結果進行綜合評價的集合識別器。

該方法還可對臺風路徑和強度進行預測，并預測暴雨的發(fā)生。今后研究小組將以深度學習為代表的人工智能技術融合數(shù)據(jù)驅動方法和模型驅動方法，開展新的海洋地球大數(shù)據(jù)分析。

關鍵詞：