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