Google 展示了一个 AI 系统，能够根据卫星云图近乎瞬时的进行高清晰度天气预测。此项研究虽然还处于早期阶段，但其显示出来的表现已经超过了传统的预测模型。/ VB
模型训练所使用的是数据驱动和无物理参数的方式，也就是说，系统并不学习之前的知识，所依靠的只是示例的近似大气物理学信息。卷积神经网络接收天气模型的照片，继而生成新的输出照片。
卷积神经网络由一系列图层构成，每一图层都是一组数学运算。图层以编码相（Encoding Phase）排列从而可以降低通过它们的图片的解析度。另外一个解码相（Decoding Phase）则用于拓展这些低维图像。
图片输入的信道数取决于观测的卫星照片的数量和波长数。比如说 1 小时拍摄了 10 张卫星照片，每张照片拍摄了 10 个波长，那么输入信道就有 100 个。
研究人员对比了此模型和其他 3 个模型的表现，发现新的模型比其他 3 个都要好。NOAA 的 HRRR 模型在预测范围到达 5 至 6 个小时的时候表现更突出一些。但是，HRRR 的计算延迟长达 1 至 3 小时，新的模型耗时在 5 至 10 分钟之间。
HRRR 使用的还是 3D 物理模型，而成云过程很难从 2 维图片中观察到，机器学习模型学习对流过程也很困难。所以如果把两个模型结合起来使用就会有很好的效果：机器学习模型进行快速预测，HRRR 进行长时间预测。
IBM、Facebook 公司的研究人员也有尝试利用 AI 技术分析卫星照片或对天气进行预测的。斯坦福地球物理系的研究人员则在尝试一个能够分离、识别地震信号的系统。
模型训练所使用的是数据驱动和无物理参数的方式，也就是说，系统并不学习之前的知识，所依靠的只是示例的近似大气物理学信息。卷积神经网络接收天气模型的照片，继而生成新的输出照片。
卷积神经网络由一系列图层构成，每一图层都是一组数学运算。图层以编码相（Encoding Phase）排列从而可以降低通过它们的图片的解析度。另外一个解码相（Decoding Phase）则用于拓展这些低维图像。
图片输入的信道数取决于观测的卫星照片的数量和波长数。比如说 1 小时拍摄了 10 张卫星照片，每张照片拍摄了 10 个波长，那么输入信道就有 100 个。
研究人员对比了此模型和其他 3 个模型的表现，发现新的模型比其他 3 个都要好。NOAA 的 HRRR 模型在预测范围到达 5 至 6 个小时的时候表现更突出一些。但是，HRRR 的计算延迟长达 1 至 3 小时，新的模型耗时在 5 至 10 分钟之间。
HRRR 使用的还是 3D 物理模型，而成云过程很难从 2 维图片中观察到，机器学习模型学习对流过程也很困难。所以如果把两个模型结合起来使用就会有很好的效果：机器学习模型进行快速预测，HRRR 进行长时间预测。
IBM、Facebook 公司的研究人员也有尝试利用 AI 技术分析卫星照片或对天气进行预测的。斯坦福地球物理系的研究人员则在尝试一个能够分离、识别地震信号的系统。
评论
发表评论