日本海洋研究機構(gòu)和九州大學的研究小組利用人工智能深度學習技術(shù)，開發(fā)了從全球云系統(tǒng)分辨率模型（NICAM）氣候?qū)嶒灁?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(luò)版。
預(yù)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(yù)測的未來氣象結(jié)果會出現(xiàn)非常大的偏差。近年來人工智能技術(shù)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(yīng)用于具有不確定性的氣象領(lǐng)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?qū)嶒灁?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(luò)的機器學習，生成不同特征的10種識別器，然后構(gòu)筑出可對10種識別器結(jié)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(yù)測，并預(yù)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(shù)融合數(shù)據(jù)驅(qū)動方法和模型驅(qū)動方法，開展新的海洋地球大數(shù)據(jù)分析。（記者陳超）