使用人工智能更好地預(yù)測(cè)惡劣天氣

在預(yù)報(bào)天氣時(shí)，氣象學(xué)家使用大量模型和數(shù)據(jù)源來(lái)跟蹤可能表明嚴(yán)重風(fēng)暴的云的形狀和運(yùn)動(dòng)。然而，隨著天氣數(shù)據(jù)的日益擴(kuò)大和迫在眉睫的最后期限，他們幾乎不可能實(shí)時(shí)監(jiān)控所有風(fēng)暴編隊(duì) - 特別是小規(guī)模風(fēng)暴編隊(duì)。

現(xiàn)在，有一個(gè)計(jì)算機(jī)模型可以幫助更快，更準(zhǔn)確地識(shí)別嚴(yán)重風(fēng)暴，這要?dú)w功于科學(xué)基金會(huì)部分資助的一組研究人員。

來(lái)自賓夕法尼亞州立大學(xué)，AccuWeather公司和西班牙阿爾梅里亞大學(xué)的研究人員開(kāi)發(fā)了一種基于機(jī)器學(xué)習(xí)線(xiàn)性分類(lèi)器的框架 - 一種人工智能 - 可以從衛(wèi)星圖像中檢測(cè)出云中的旋轉(zhuǎn)運(yùn)動(dòng)，否則這些運(yùn)動(dòng)可能會(huì)被忽視。

AccuWeather的高級(jí)法醫(yī)氣象學(xué)家Steve Wistar說(shuō)：“最好的預(yù)測(cè)結(jié)合了盡可能多的數(shù)據(jù)。” “因?yàn)闅夥諢o(wú)限復(fù)雜，所以需要投入太多。”

該項(xiàng)目的結(jié)果在賓夕法尼亞州立大學(xué)的 新聞稿中公布， 并發(fā)表在 IEEE地球科學(xué)和遙感交易中，加強(qiáng)了AccuWeather與由James Wang教授領(lǐng)導(dǎo)的賓夕法尼亞州信息科學(xué)與技術(shù)學(xué)院研究小組之間的早期工作。

“我們?cè)?010年與AccuWeather合作開(kāi)始時(shí)認(rèn)識(shí)到，氣象學(xué)家和氣候?qū)W家面臨的一項(xiàng)重大挑戰(zhàn)是了解地球觀測(cè)衛(wèi)星，雷達(dá)和傳感器網(wǎng)絡(luò)產(chǎn)生的大量且不斷增加的數(shù)據(jù)，”王說(shuō)。“讓計(jì)算機(jī)化的系統(tǒng)分析并從數(shù)據(jù)中學(xué)習(xí)是至關(guān)重要的。”