聯系方式 Contact

南京天氣在線氣象科技有限責任公司

地址:北京市海淀區海淀西大街36號9層

電話:010-58995339

手機:18611808504

傳真:010-58995339

網址:www.szad-expo.com

搜索 Search
你的位置:首頁 > 新聞動態 > 智慧氣象

Nature子刊評述 | 深度學習對天氣和氣候預測及其經濟影響的作用

 2024-01-04 14:00:18  點擊:

轉載于 ClimAI 智慧氣象

深度學習的迅速崛起正吸引著越來越多的私人企業對傳統上由公共機構主導的數值天氣和氣候預測產生興趣。公私合作將是一種開創性的步驟,用以連接物理和數據驅動的方法,并且對于有效應對未來社會挑戰至關重要。

每天的生活和安全依賴于準確的天氣預測,尤其在氣候變化背景下,對極端天氣事件的預測變得更加重要。這些預測主要由國家氣象機構進行,基于物理定律和大量數據。隨著對更精確預測的需求增長,計算和能源成本也隨之增加。私營公司通過深度學習和先進技術進入這一領域,帶來了新的動力和挑戰。因此,公私合作在利用深度學習和物理模型的優勢、保持預測可信度方面變得至關重要。

一:深度學習的崛起

深度學習是一種使用神經網絡從大量訓練數據中學習任務的人工智能技術。在天氣和氣候預測領域,由于計算和數據處理能力的大幅提升,已經積累了大量的模型模擬和觀測數據。

將觀測數據融合到基于物理的預測模型中,可以提供對氣候系統多年變化的精確快照。這些高質量的數據集使得深度學習在天氣和氣候預測領域具有巨大的應用潛力。

當前,深度學習模型正在使用這些數據集進行訓練,以實現高效的天氣預測。相比傳統的物理模型,這些深度學習模型承諾提供更快的解決方案和更大的能源節約。雖然有可能完全繞過基于物理的模型來進行天氣預測,但基于物理的模型仍然重要,因為它們能夠填補觀測數據的不足,提供天氣的細致三維演變。

在氣候預測方面,深度學習的進展相對較慢,主要是由于訓練數據的限制。但深度學習在改善基于物理的預測模型和快速模擬氣候軌跡方面仍有潛力。盡管如此,公共天氣和氣候預測中心目前并未全面采用深度學習,而是將其應用于生產流程中的特定子問題,以提高參考數據集的質量。

二:基礎模型

基礎模型如GPT系列和DALL·E2正引領變革,它們通過訓練大量未標記數據來預測缺失部分,從而捕獲數據分布。這些模型的學習方法與天氣預測的數據驅動模型訓練相似,預計在特定領域將迅速發展。

基礎模型在識別數據模式后可針對特定任務微調,如使用人類反饋的強化學習來訓練復雜任務。這些模型在天氣和氣候預測中的應用可能超越物理模型仿真,并在多個行業中擴展信息傳遞。同時,它們對全球公共天氣和氣候數據的利用強調了維持科學可信度和控制訓練質量的重要性。

三:展望

私營部門在天氣和氣候預測中大量使用公共數據,強化了對深度學習方法的投資。這一投資動力源自私營部門強大的計算和數據分析能力。因此,需要重新思考天氣和氣候預測的經濟模式,特別是考慮到基礎模型為用戶提供的新解釋和溝通能力。

公共實體應積極采用這些新技術,結合大型科技公司的技能和基礎設施。同時,私人實體應投資于開發符合標準、透明過程生成的深度學習和基礎模型參考數據集,以創新方式共同推進此領域的發展。

1 公私合作的天氣和氣候信息系統


文章來源:

https://www.nature.com/articles/s43017-023-00468-z

久久福利精品福利资源伊人精品