google天气预报(google天气预报gif图)

张工 2022-06-01 21:50:09 阅读:30
  

不需物理模拟,Google以人工职能预测即时降雨 |硬核科技

  目前,谷歌研究使用机器学习来实时预测天气。目前这项研究还处于起步阶段,但已经能够以1km的预测分辨率预测未来6小时的降雨量,总延迟时间只有5到10分钟。谷歌提到,使用机器学习进行预测只需要雷达数据,不需要实际的物理模拟。因为在训练好的模型上的预测操作成本非常低,即使使用高分辨率的数据,也可以进行接近实时的预测。

  天气对人们的日常生活有很大的影响,天气预报可以让人们为即将到来的天气提前采取措施,从改变周末计划到风暴来袭时疏散居民。然而,能够预测每小时一次的局部暴雨或雷暴并不是一项简单的任务。

  目前,许多技术被用于预报天气,如多普勒雷达,可用于实时测量降雨量(下图),气象卫星,可提供多光谱图像,地面站,可直接测量风力和降雨量。美国国家海洋和大气管理局(NOAA)每天收集多达100TB的遥测数据。NOAA用超级计算机上的天气预报引擎计算这些数据,提供1到10天的全球天气预报。

不需物理模拟,Google以人工职能预测即时降雨 |硬核科技

  然而,计算资源的可用性限制了数值天气预报的能力。比如天气预报的空间分辨率在5km左右,很难在城区或农田应用。而且由于数值法计算需要几个小时,当每次计算需要6个小时时,一天只能计算3到4次,而且用于预报的数据都是6个小时前的旧数据,限制了人们对当前天气状态的掌握。

  谷歌使用机器学习以更快、更高分辨率的方式从雷达图像和短期天气中预测降雨。谷歌的系统可以使用一个小时的雷达图像来预测未来几个小时的雷达图像,时间范围通常为0到6个小时。

  Google提到,由于雷达数据是以图像的形式呈现的,因此可以将天气预测转化为计算机视觉问题,通过输入的图像序列来判断气象演变。气象演变受两个物理程序的影响,一个是对流对云运动的影响,另一个是对流对云形成的影响,两者都受地形和地理环境的影响很大。

  因为谷歌采用的是非数据驱动、无物理的方法,只能训练神经网络从样本中学习类似天气的物理,而不是模拟大气运行的实际原理。谷歌表示,因为它处理计算机视觉,所以它使用图像分析技术来卷积神经网络。谷歌使用了2017年至2019年观察数据的训练模型。数据以4周为单位,一个单位前3周的数据为训练数据,第4周的数据用于评估。

  谷歌将使用机器学习的预测方法,将精确召回率与三种广泛使用的快速预测模型HRRR算法和连续模型进行比较。谷歌提到,神经网络的预测质量明显高于其他三种模型,但在预测范围为5至6小时后,HRRR的预测结果质量将超越谷歌的机器学习方法。

不需物理模拟,Google以人工职能预测即时降雨 |硬核科技

  使用机器学习预测的好处是可以马上得到结果,也就是说可以用最新的数据进行预测。然而,HRRR将被延迟1到3个小时,因为它需要很长的时间来计算。总体来看,机器学习方法可以得到更好的短期预测结果,而HRRR可以得到更好的长期预测结果。谷歌解释说,仅因为云是三维的,所以很难从2D图像中观察到,但结合这两个系统将提供更全面的预测。

二维码