天氣預報中的人工智能技術進展

（項城市氣象局，河南項城 466200）

0.引言

氣象預報中，特別是強對流、臺風等災害性天氣的預報，因為大氣運動復雜性極高，在國際氣象學上一直是難題所在。隨著科技的不斷發展，天氣預測工作從古希臘哲學推論、中世紀占卜到現代科學推論、計算機模擬和數值預報，工作形式也從主觀性體力勞動模式轉變為客觀性、定量分析的高科技活動。這種變化的形成，離不開長期計算機計算數據、天氣演變方程式解讀和未來天氣現象預測。雖然天氣預報工作已經得到了質的跨越，但是科技不足之處仍然明顯，全球主流數值預報模式誤差問題仍然未能解決，究其原因，還是缺乏對大氣運動規律的科學認識和數值模式的表達方法。隨著人工智能（AI）技術的不斷研發，在天氣預報領域中也得到廣泛應用。AI是一種理論、方法、技術和應用系統，它利用數字計算機或由數字計算機控制的機器來進行模擬、衍生和擴展人類智能，利用環境感知、知識獲取來得出最佳結果?，F今，在我國高性能計算、互聯網等技術快速發展背景下，AI也進入了快速發展期[1]。而AI開始受到全球廣泛關注的標志性事件，是在2016年世界冠軍韓國九段棋手李世石賽事中落敗阿爾法狗后，開始大放光芒。在天氣預報領域方面，國內外領先的氣象業務科研機構也大幅度增加了AI天氣預報應用的研發基金，如觀測數據質量控制、短時臨近預報、災害性天氣監測等，AI技術所呈現的發展趨勢，已經開始與數值預報技術并肩?；诖耍疚南汝U述AI技術在天氣預報中的應用現狀，并對其未來應用趨勢進行簡要概括。

1.AI技術在天氣預報中的應用現狀

1.1 主流 AI技術

AI技術是從手工規則和啟發法開始，一步步優化到線性模型和決策樹、集成和深度模型、元學習模型，如今模型也日漸成熟，為天氣預報技術創造了良好的高科技條件。目前，AI在天氣預報應用中，有如下幾種技術。

（1）人工神經網絡。此類網絡模型是由加權非線性函數構成，基于多層連接和訓練前提下，網絡可作任意非線性函數表達，且在理想情況下，任何非線性過程都能通過它表達出來。人工神經網絡在氣象領域的應用中，早前是被氣象局用來識別云、龍卷、大風、冰雹、降水、風暴，同時還可進行氣候分類和觀測質量控制。近年來，該技術已經得到進一步研發，延伸出各具優勢的其他模型，如深度信念網絡（DBN）、卷積神經網絡（CNN）、長短時記憶模型（LSTM）、生成對抗網絡（GAN）等。

（2）支持向量機（SVM）。它是一種二元分類的廣義線性分類器，通過監督學習方式的技術理念來完成非線性分類，技術在應用鉸鏈損失函數、正則化項后可最大程度降低技術風險，目前氣象局多用于龍卷風地識別和預報。相關向量機模型與SVM大致相等，能有效解決小樣本和非線性問題，氣象局通常用于臺風定強。

（3）決策樹模型。它是一種非參數分類器，樹形圖決策點、策略點（事件點）及結果構成，操作簡單，適用性高，無需驗證假設數據就能進行快速結算，就能得出收益最大期望值或最低期望成本等結果，在氣象領域中已得到廣泛應用。

（4）隨機森林法（RFs）。它是由決策樹構成的一種集合類型分類器。決策樹“森林”中的每棵樹因為數據差異性和不同的預測因子訓練而不同，因此也稱之為“專家庫”。例如，“庫存”中的漸進梯度回歸樹方法，一組決策樹集合是經boosting算法訓練而成，權重是結合前次訓練的殘差結果來進行確定。此外，也有報道指出，強降水區域劃分已經被Baldwin等使用異構聚類法來完成操作[2]。

1.2 AI技術在國內外觀測預報中的典型應用實例

1.2.1 觀測方面

在觀測技術中，美國華盛頓大學就首先進行了關于智能手機氣壓分析和機器學習的課題研究。目前，IBM的TWC已經利用智能應用程序APP建立了氣壓觀測網，且分布全球的規模讓手機氣壓觀測數據積累超過50億次。

1.2.2 預報方面

如今，我國天氣預報領域應用AI技術也取得了進展。中央氣象臺在面對熱帶氣旋的生成和發展時，對其海量熱帶低壓云圖是利用深度卷積神經網絡機器完成學習，并結合時空記憶循環網絡算法完成雷達外推預報，精準度得以顯著提升。

2.AI在天氣預報中的未來應用趨勢

2.1 AI發展規劃

美國的 AI發展計劃在世界范圍內領先，也間接性反映了未來國際趨勢。

（1）結合 NOAA公布的2019年 AI發展戰略，能看到他們的具體目標中包含了建立有效的組織結構和流程，為推動 AI研究創新以及拓展和AI合作的伙伴關系做好基礎，同時在AI戰略業績管理和效率等方面也取得了變革性進展，并通過整合可擴展的商業數據來繼續以指數方式提高數據開發能力。

（2）美國國家航空航天局（NASA）基于AI的地球系統建模架構：結合美國 NASA/GSFC計算與信息科學與技術辦公室提供的報告基礎上，發現報告評估了 Exascale體系結構和 AI對 NASA地球系統建模的影響。而Goddard地球觀測系統（GEOS），經NASA 的Goddard的全球建模與同化辦公室（GMAO）開發后，早在2007年有限體積的立方球體（FV3）動態核心就開始得到全面應用，并利用系統的獨特性來探索全球大氣預測邊界。從MERRA-2的全球分辨率為50km，到 GEOS的全球云解析應用，從2009年的3km至2015年的1.5km，FV3支持 NASA的各種建模要求，也為未來10年的技術新飛躍提供了無限可能。

2.2 與數值預報的融合趨勢

有報道指出，AI技術近年來雖然得到顯著進步，體現在于較傳統的線性統計分析、短臨雷達外推頂等方法而言，海量數據處理和圖像特征識別等新技術已經遠遠超出傳統天氣預報的工作效率。但是截至目前為止，天氣預報中應用AI技術，仍然停留在初步階段，究其原因，可濃縮為以下3點：首先，AI技術仍無法完全替代傳統的數值預報，甚至不能顯著提升數值預報精準度；其次，AI還遠遠沒有實現學習人類經驗知識的功能，預報人員識別天氣特征的工作靠人工智能難以做到，還需要預報員投入大量的精力來進行諸如天氣特征“標記”等的“引導”工作；最后，AI算法目前仍需不斷精進，其自身存在的許多瓶頸問題仍待解決，如輸入信息稀疏化造成高分辨率分析瓶頸。當前AI在天氣預報中的應用，主要是基于計算機行業通用算法來完成變化不大的對象預測，常見有人臉、步態、語音識別等，但不適用于耗散度高、尺度大的高階非線性災害天氣系統預測。

3.結語

AI近年來發展迅速，天氣預報技術也在高科技影響下得到了質的飛躍。與此同時，在面對機遇的同時，挑戰也會隨之而來。究其原因，能發現AI在天氣預報中所應用的技術理論支持仍然存在較多不足之處，AI面對高階、非線性、甚至混沌的天氣系統時，缺乏開創性的理論突破，致使天氣預報出現一些誤差。然而，筆者堅信在我國經濟快速發展背景下，此類現狀問題在未來會得到改善，人們對高質量的天氣預報需求和精準的預報工作產生的經濟消息，都會成為AI技術上升一個新維度的推力，成為記錄技術先進性的重要里程碑。