GRL:用机器学习改进大气预测

2020/06/05 00:00
阅读数 393

发表于GRL的一项新研究提出了一个高效的、低分辨率的机器学习模型,可以有效地预测3天内的全球大气状态。



近几十年来,天气预报有了显著改善。得益于监测和计算技术的进步,现在的5天预报可达到与1980年的1天预报一样的准确度1人工智能技术2有望给天气预报带来新的革命性变化。在一项新的研究中,Arcomano等人提出了一个机器学习模型,该模型采用与经典数值天气预报模型相同的格式来预报天气。

采用新的机器学习模型提前4天预测的2000年2月12日的地表温度和风速(左图)与当天的实际观测情况(右图)对比,显示了该模型的短期预测能力。

资料来源:Istvan Szunyogh等


在此之前,该团队开发了一种有效的机器学习算法3,用于预测大型混沌系统,并演示了如何将该算法融入一个混合的数值机器学习模型4,用于诸如大气条件之类的动态系统。在新的概念验证研究中,研究人员在之前工作的基础上,使用了基于水库计算的模型,而不是深度学习模型,以减少机器学习的训练时间要求。


研究人员利用欧洲中程天气预报中心(European Centre for Medium-Range Weather forecast)5的数据对他们的模型进行训练,并准备了171份独立的20天天气预报,每一份预报只需花费1分钟时间。他们将机器学习预测与三种基准预测进行了比较,包括:每日气候学模型;持久性模型,即假定大气状态在整个预报过程中保持不变;简化参数特权方程动力学模型(Simplified Parameterizations, Privitive-Equation Dynamics, SPEEDY)6,即数值天气预报模型的低分辨率版本。


结果表明,该机器学习模型通常可预测3天内的全球大气状态。在热带外区域,该模型优于每日气候学模型和持久性模型;在预测热带地区的温度,以及热带地区和热带外区域的地表比湿度方面均优于SPEEDY模型;然而,在超过24小时的风力预报中,SPEEDY模型仍然优于机器学习模型。


作者指出,总体而言,该基于水库计算的机器学习模型非常有效,可用于快速和短期天气预报。




原文信息

扫码阅读原文

https://agupubs.onlinelibrary.wiley.com/doi/abs/10.1029/2020GL087776


关于期刊

Geophysical Research Letters (GRL) 发表对地球科学主要领域的科学进展进行研究的具备高影响力、创新性和时效性的文章。本期刊的论文为通讯稿长度的短篇文章,要求能在相关学科或整个地球科学领域产生直接而广泛的影响。


2018年影响因子:  4.58

5年影响因子:         4.91

从投稿到一审意见的中位数时间:31天



扩展阅读:




1. Advances in weather prediction: https://science.sciencemag.org/content/363/6425/342

2. Artificial Intelligence May Be Key to Better Weather Forecasts: https://eos.org/opinions/artificial-intelligence-may-be-key-to-better-weather-forecasts

3. Model-Free Prediction of Large Spatiotemporally Chaotic Systems from Data: A Reservoir Computing Approach: https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.120.024102

4. Combining machine learning with knowledge-based modeling for scalable forecasting and subgrid-scale closure of large, complex, spatiotemporal systems: https://aip.scitation.org/doi/full/10.1063/5.0005541%40cha.2020.MACL2020.issue-1

5. European Centre for Medium-Range Weather forecast: https://www.ecmwf.int/

6. Global Model: SPEEDY - A simplified GCM developed at ICTP: https://www.ictp.it/research/esp/models/speedy.aspx


本文英文原文发表于AGU Eos,中文翻译仅供参考。

原文标题:Improving Atmospheric Forecasts with Machine Learning

原文链接:https://eos.org/research-spotlights/improving-atmospheric-forecasts-with-machine-learning

作者:Kate Wheeling

Text © 2020. AGU. CC BY-NC-ND 3.0

如无特别注明,文中图片均受版权保护。未经版权所有人许可,不得重复使用。



关注AGU中国

建立更多联结

AGU, founded in 1919, invites you to join in

Transforming Science, Bridging Communities, and Inspiring the Future


点击下方“阅读原文”访问GRL 期刊主页,阅读更多精彩文献。

本文分享自微信公众号 - 气象学家(Meteorologist2019)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部