人工智能在气象领域的应用述评
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
自然语言 处 理 的 案 例:2014年 国 家 气 候 中 心吴焕萍等[11]应用自然语言处理技术进行了面 向气象落区文本语言生成的研究:首先将气象观 测预报数据转化到空间区域上,然后进行 GIS空 间分析,最后运 用 自 然 语 言 生 成 技 术 (NLG),对 气象要素的时间、地点、强度等信息进行合理组 织,并运用段落规划、句子规划、句子优化处理形 成气象落区描述文本。 1.3 计算机视觉
第 204119卷年第21月期 Gu广ang do东ng M气eteo ro象logy
Vol.41 No.1
February 2019
朱玲,吴心癑.人工智能在气象领域的应用述评[J].广东气象,2019,41(1):35-39.
人工智能在气象领域的应用述评
收稿日期:2018-03-07 作者简介:朱玲(1972年生),女,本科,工程师,主要从事观测、预报、气象服务管理等工作。E-mail:13924102045@139.com
36
广东气象
第 41卷
ห้องสมุดไป่ตู้
行降雨量预测。 1.2 自然语言处理
国外气象领域 20世纪 70年代初就开展了 天气预报文本的自动或半自动生成技术,大多数 基于文字替 换 (模 板 )的 方 法,代 表 性 的 系 统 有 IFPS、RAREAS、Scribe、ICWF等[7]。1976年加拿 大开发的实时性机器翻译系统 TAUM -METEO 每天翻译 1500~2000篇天气预报资料,后期发 展到了应用自然语言处理技术来形成天气预报 文本生成方法。
近年来,人工智能发展迅猛,成为世界各国 研究和角 逐 的 热 点。 美 国、德 国、日 本 等 发 达 国 家均把发展人工智能作为提升国家竞争力的重 大战略,出台了相关规划和政策。2016年,美国 白宫科技政策办公室发布了题为《为人工智能的 未来做好准备》和《国家人工智能研发战略规划 》两份重要报告。2017年 7月,中国国务院发布 了《新一代人工智能发展规划》。
朱玲1,吴心癑2
(1.广州市气象局,广东广州 510080;2.华南理工大学经济与贸易学院,广东广州 510006)
摘 要:为人工智能技术在我国气象领域的未来发展和应用提出建议,阐述了人工智能技术发展 及其在气象领域应用的历程和现状,对比分析我国与欧美国家的差距;同时列举了机器学习、自然语 言处理、计算机视觉方面的真实案例,探讨了人工智能在气象领域应用的可行性,并从观测、预报、服 务、科研业务方面详细分析可能产生的影响,得出应该从资料、技术、合作、人才 4方面做好提前布局 的结论。 关键词:应用气象;人工智能;气象领域;综述 中图分类号:P49 文献标志码:A doi:10.3969/j.issn.1007-6190.2019.01.009
人工智能 应 用 的 范 围 很 广,尤 其 是 在 医 疗、 金融、安防、汽 车 等 领 域 较 为 突 出。 气 象 应 用 也 一直是高性能计算的重要领域,人工智能技术给 观测、预报、服务等业务的发展带来不可多得的 机遇,也带 来 极 大 的 挑 战。 因 此,应 充 分 研 究 人 工智能的发展现状及特点,结合我国气象业务现 状,探索如何将人工智能应用于气象业务。
国内 相 关 领 域 的 研 究 则 开 展 较 晚,2000年 上海交通大学开展了多语种天气预报文本自动 生成系统(MLWFA)的初步研究。张莉等[8]开发 了基于网 络 的 天 气 预 报 领 域 的 问 答 系 统;吴 焕 萍 [9]采用文本 自 动 生 成 技 术 开 展 了 道 路 气 象 服 务研究;此外,搜索引擎技术还可以用来提取情 报信 息;汪 全 森 等 [10]以 题 录 的 方 式 向 气 象 科 技 人员提供各个方面的主题信息。
预报,2015年该公司在模式中引进了 NECP和 ECMWF的数值预报结果,提供更加综合的预报。
在国内,也广泛 开 展 了 机 器 学 习 的 应 用 研 究。沈文海 [1]将 国 内 人 工 智 能 在 天 气 预 报 的 应 用分为两类:一类以专家系统和神经网络为代表 的人工智能的实际应用 (1980—1990年代),是 基于经典天气学理论的;另一类以 “彩云天气” 为代表的人工智能应用(21世纪 2010年代),纯 粹以机器学习和系统智能外推为主的实际应用, 与经典气象学理论没有直接关联。第 1类主要 有 1994年 张 承 福[2]、1995年 姜 天 戟 等[3]、2003 年金龙等[4]、2005年吴清佳[5]、2007年周岩[6]等 应用 神 经 网 络 建 立 预 报 模 型;第 2类 “彩 云 天 气”、“墨迹天气”等,“彩云天气”根据气象实况 资料,利用深度学习,1h内降水短临预报的准确 率达到 90%,其预报方法脱离了天气过程的物 理基础,多少有些颠覆了传统天气预报。
机器学习的案例:2017年,ACM 顶级数据挖 掘会议 CIKM举办的数据科学竞赛《基于雷达图 像的短期降水预报》中,清华大学 Marmot团队在 复赛中排 名 第 1。其 流 程 分 为 前 处 理、特 征 提 取、模型训练 3个部分。模型训练主模型采用了 卷积神经网络 CNN,图像部分采用 3层卷积池 化,通过 dropout防止过拟合,每次迭代中随机保 留 65%的神经网络的连接,梯度下降采用 Adam 优化算法。训练样本为 10000组雷达回波图, 每组样本含 60幅图像,通过训练建立降水预报 模型,进而追踪到 15h后目标站点的云团并进
1 人工智能在气象领域应用的历程与现状
1.1 机器学习 在国外,较早开展气象预报神经网络应用研
究的是美国 NeuralWare公司,该公司于 1987年 开发了人工神经网络晴雨预报系统;美国气象部 门于 1992年开发了短期雷 暴 神 经 网 络 预 报 系 统,1993年开发了强对流天气系统 ITWS。加拿 大环境局 1993年开发了高 级 交 互 式 处 理 系 统 FPA;1995 年 开 发 了 交 互 式 综 合 预 报 系 统 SCRIBE。美国 EarthRisk(天气风险分析公司) 于 2013年发布概率预报模式 TempRiskApollo, 模式通过深度学习方法进行 40d的气温延伸区
第 204119卷年第21月期 Gu广ang do东ng M气eteo ro象logy
Vol.41 No.1
February 2019
朱玲,吴心癑.人工智能在气象领域的应用述评[J].广东气象,2019,41(1):35-39.
人工智能在气象领域的应用述评
收稿日期:2018-03-07 作者简介:朱玲(1972年生),女,本科,工程师,主要从事观测、预报、气象服务管理等工作。E-mail:13924102045@139.com
36
广东气象
第 41卷
ห้องสมุดไป่ตู้
行降雨量预测。 1.2 自然语言处理
国外气象领域 20世纪 70年代初就开展了 天气预报文本的自动或半自动生成技术,大多数 基于文字替 换 (模 板 )的 方 法,代 表 性 的 系 统 有 IFPS、RAREAS、Scribe、ICWF等[7]。1976年加拿 大开发的实时性机器翻译系统 TAUM -METEO 每天翻译 1500~2000篇天气预报资料,后期发 展到了应用自然语言处理技术来形成天气预报 文本生成方法。
近年来,人工智能发展迅猛,成为世界各国 研究和角 逐 的 热 点。 美 国、德 国、日 本 等 发 达 国 家均把发展人工智能作为提升国家竞争力的重 大战略,出台了相关规划和政策。2016年,美国 白宫科技政策办公室发布了题为《为人工智能的 未来做好准备》和《国家人工智能研发战略规划 》两份重要报告。2017年 7月,中国国务院发布 了《新一代人工智能发展规划》。
朱玲1,吴心癑2
(1.广州市气象局,广东广州 510080;2.华南理工大学经济与贸易学院,广东广州 510006)
摘 要:为人工智能技术在我国气象领域的未来发展和应用提出建议,阐述了人工智能技术发展 及其在气象领域应用的历程和现状,对比分析我国与欧美国家的差距;同时列举了机器学习、自然语 言处理、计算机视觉方面的真实案例,探讨了人工智能在气象领域应用的可行性,并从观测、预报、服 务、科研业务方面详细分析可能产生的影响,得出应该从资料、技术、合作、人才 4方面做好提前布局 的结论。 关键词:应用气象;人工智能;气象领域;综述 中图分类号:P49 文献标志码:A doi:10.3969/j.issn.1007-6190.2019.01.009
人工智能 应 用 的 范 围 很 广,尤 其 是 在 医 疗、 金融、安防、汽 车 等 领 域 较 为 突 出。 气 象 应 用 也 一直是高性能计算的重要领域,人工智能技术给 观测、预报、服务等业务的发展带来不可多得的 机遇,也带 来 极 大 的 挑 战。 因 此,应 充 分 研 究 人 工智能的发展现状及特点,结合我国气象业务现 状,探索如何将人工智能应用于气象业务。
国内 相 关 领 域 的 研 究 则 开 展 较 晚,2000年 上海交通大学开展了多语种天气预报文本自动 生成系统(MLWFA)的初步研究。张莉等[8]开发 了基于网 络 的 天 气 预 报 领 域 的 问 答 系 统;吴 焕 萍 [9]采用文本 自 动 生 成 技 术 开 展 了 道 路 气 象 服 务研究;此外,搜索引擎技术还可以用来提取情 报信 息;汪 全 森 等 [10]以 题 录 的 方 式 向 气 象 科 技 人员提供各个方面的主题信息。
预报,2015年该公司在模式中引进了 NECP和 ECMWF的数值预报结果,提供更加综合的预报。
在国内,也广泛 开 展 了 机 器 学 习 的 应 用 研 究。沈文海 [1]将 国 内 人 工 智 能 在 天 气 预 报 的 应 用分为两类:一类以专家系统和神经网络为代表 的人工智能的实际应用 (1980—1990年代),是 基于经典天气学理论的;另一类以 “彩云天气” 为代表的人工智能应用(21世纪 2010年代),纯 粹以机器学习和系统智能外推为主的实际应用, 与经典气象学理论没有直接关联。第 1类主要 有 1994年 张 承 福[2]、1995年 姜 天 戟 等[3]、2003 年金龙等[4]、2005年吴清佳[5]、2007年周岩[6]等 应用 神 经 网 络 建 立 预 报 模 型;第 2类 “彩 云 天 气”、“墨迹天气”等,“彩云天气”根据气象实况 资料,利用深度学习,1h内降水短临预报的准确 率达到 90%,其预报方法脱离了天气过程的物 理基础,多少有些颠覆了传统天气预报。
机器学习的案例:2017年,ACM 顶级数据挖 掘会议 CIKM举办的数据科学竞赛《基于雷达图 像的短期降水预报》中,清华大学 Marmot团队在 复赛中排 名 第 1。其 流 程 分 为 前 处 理、特 征 提 取、模型训练 3个部分。模型训练主模型采用了 卷积神经网络 CNN,图像部分采用 3层卷积池 化,通过 dropout防止过拟合,每次迭代中随机保 留 65%的神经网络的连接,梯度下降采用 Adam 优化算法。训练样本为 10000组雷达回波图, 每组样本含 60幅图像,通过训练建立降水预报 模型,进而追踪到 15h后目标站点的云团并进
1 人工智能在气象领域应用的历程与现状
1.1 机器学习 在国外,较早开展气象预报神经网络应用研
究的是美国 NeuralWare公司,该公司于 1987年 开发了人工神经网络晴雨预报系统;美国气象部 门于 1992年开发了短期雷 暴 神 经 网 络 预 报 系 统,1993年开发了强对流天气系统 ITWS。加拿 大环境局 1993年开发了高 级 交 互 式 处 理 系 统 FPA;1995 年 开 发 了 交 互 式 综 合 预 报 系 统 SCRIBE。美国 EarthRisk(天气风险分析公司) 于 2013年发布概率预报模式 TempRiskApollo, 模式通过深度学习方法进行 40d的气温延伸区