余劍坷

（江西省上饒市廣豐區(qū)氣象局 江西 上饒 334600）

1 引言

據(jù)相關(guān)氣象學(xué)監(jiān)測(cè)結(jié)果可知，大氣運(yùn)動(dòng)較為復(fù)雜，天氣預(yù)報(bào)中有關(guān)強(qiáng)對(duì)流及臺(tái)風(fēng)等問(wèn)題更是社會(huì)關(guān)注的焦點(diǎn)，素有氣象學(xué)終極問(wèn)題的稱號(hào)，為此相關(guān)工作人員也在不斷融合以人工智能技術(shù)為代表的現(xiàn)代化信息技術(shù)，希望基于數(shù)值預(yù)報(bào)來(lái)實(shí)現(xiàn)大氣運(yùn)動(dòng)狀態(tài)及相關(guān)天氣現(xiàn)象的準(zhǔn)確預(yù)測(cè)。國(guó)外人工智能技術(shù)在天氣預(yù)報(bào)中的有關(guān)研究已經(jīng)初見(jiàn)成效，國(guó)家不斷加大對(duì)人工智能天氣預(yù)報(bào)的支持力度，我國(guó)率先借鑒其成功應(yīng)用經(jīng)驗(yàn)并結(jié)合自身實(shí)際情況，先后印發(fā)了《新一代人工智能發(fā)展規(guī)劃》以及《人工智能標(biāo)準(zhǔn)化白皮書（2018）》等相關(guān)文件，從而為我國(guó)未來(lái)一段時(shí)間的人工智能氣象工作指明了發(fā)展方向。

2 傳統(tǒng)技術(shù)下的天氣預(yù)報(bào)

傳統(tǒng)天氣預(yù)報(bào)主要依靠衛(wèi)星云圖，即通過(guò)衛(wèi)星采集數(shù)據(jù)再發(fā)回地面的技術(shù)，可見(jiàn)光衛(wèi)星云圖實(shí)現(xiàn)了對(duì)地球表面進(jìn)行多角度拍攝，進(jìn)而得到了肉眼可見(jiàn)的清晰圖像，而紅外衛(wèi)星云圖則充分利用紅外線輻射原理并借助現(xiàn)代化紅外探測(cè)儀器，成像時(shí)以黑白層次來(lái)模擬不同溫度，而我們?cè)陔娨暽辖?jīng)常見(jiàn)到的云圖一般都是經(jīng)計(jì)算機(jī)處理后的紅外云圖。傳統(tǒng)天氣預(yù)報(bào)以集合預(yù)報(bào)技術(shù)為核心，其表現(xiàn)形式為數(shù)值，集合預(yù)報(bào)的應(yīng)用就是將數(shù)據(jù)信息中各類不確定性因素與積分運(yùn)算相比較，進(jìn)而得到更具科學(xué)性與合理性的概率分布并以此對(duì)天氣進(jìn)行更好地預(yù)測(cè)。實(shí)際工作中部分氣象站基礎(chǔ)設(shè)施并不完善，計(jì)算出來(lái)的初始值并不精準(zhǔn)，而集合預(yù)報(bào)技術(shù)的應(yīng)用可以對(duì)初始誤差進(jìn)行有效評(píng)估，并在此基礎(chǔ)上給出初始值合集，經(jīng)計(jì)算與分析后的結(jié)合可以對(duì)大氣狀態(tài)進(jìn)行更為客觀的反映。天氣概率預(yù)報(bào)則建立在統(tǒng)計(jì)學(xué)方法的基礎(chǔ)上并以百分率來(lái)表示預(yù)測(cè)結(jié)果，大氣變化的不確定性相對(duì)較強(qiáng)，概率預(yù)報(bào)可以充分體現(xiàn)其隨機(jī)性特征，進(jìn)而更加精準(zhǔn)地描述各類天氣現(xiàn)象。

3 人工智能技術(shù)概述

人工智能技術(shù)又稱AI，指的是由人類創(chuàng)造出來(lái)的機(jī)器所表現(xiàn)出來(lái)的智能，我們通常所說(shuō)的人工智能主要是通過(guò)普通的計(jì)算機(jī)程序來(lái)實(shí)現(xiàn)的，其核心問(wèn)題為構(gòu)建出能夠近似于人類過(guò)超越人類的推理、規(guī)劃、交流、感知及操控等相關(guān)能力。人工智能中的“人工”概念更好理解，就是指人工系統(tǒng)，而“智能”則涉及到意識(shí)、自我及思維等重要問(wèn)題，人工智能是計(jì)算機(jī)學(xué)科的一個(gè)重要分支，也是20世紀(jì)70年以來(lái)世界三大尖端技術(shù)之一，涉及到信息學(xué)、自動(dòng)化、生理學(xué)、心理學(xué)及語(yǔ)言學(xué)等眾多學(xué)科，在借助數(shù)學(xué)工具的前提下實(shí)現(xiàn)了自身的可持續(xù)發(fā)展，目前常見(jiàn)的人工智能技術(shù)主要有計(jì)算機(jī)視覺(jué)、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)及機(jī)器學(xué)習(xí)與檢索等，對(duì)自然科學(xué)、經(jīng)濟(jì)發(fā)展及社會(huì)進(jìn)步都具有重要意義[1]。

4 人工智能技術(shù)在天氣預(yù)報(bào)中的應(yīng)用現(xiàn)狀

4.1 常用人工智能技術(shù)及應(yīng)用實(shí)例

目前天氣預(yù)報(bào)中常用的主流技術(shù)如下：（1）人工神經(jīng)網(wǎng)絡(luò)由加權(quán)非線性函數(shù)模型組成，在氣象工作中主要應(yīng)用于云、風(fēng)及降水等方面的識(shí)別與監(jiān)測(cè)工作中，隨著科學(xué)技術(shù)的不斷發(fā)展也延伸出深度信念網(wǎng)絡(luò)及卷積神經(jīng)網(wǎng)絡(luò)等內(nèi)容。（2）支持向量機(jī)是一種廣義線性分類器，工作時(shí)遵循監(jiān)督學(xué)習(xí)原理并對(duì)各項(xiàng)數(shù)據(jù)展開(kāi)二元分類，為此對(duì)識(shí)別與預(yù)報(bào)龍卷具有重要意義，且相關(guān)模型RVM在臺(tái)風(fēng)定強(qiáng)方面應(yīng)用廣泛。（3）決策樹(shù)模型指的是一種非參數(shù)分類器，相對(duì)而言具有簡(jiǎn)單、快速、易操作及穩(wěn)定性強(qiáng)等突出優(yōu)點(diǎn)，其樹(shù)形圖構(gòu)成主要包含決策點(diǎn)、事件點(diǎn)及結(jié)果三大要素，且這種模型無(wú)需進(jìn)行先驗(yàn)假設(shè)，只將最大收益期望值與最低期望成本作為決策的準(zhǔn)則。（4）隨機(jī)森林法指的是包含多個(gè)決策樹(shù)的分類器，其本質(zhì)是一個(gè)由決策樹(shù)構(gòu)成的集合，每課樹(shù)都可作為一個(gè)“專家?guī)臁豹?dú)立存在[2]，且每棵樹(shù)都具有不同的形態(tài)及構(gòu)成，其中以漸進(jìn)梯度回歸樹(shù)法及異構(gòu)聚類法為代表，在風(fēng)暴路徑的識(shí)別等工作中的應(yīng)用已取得重大進(jìn)展。目前，人工智能技術(shù)在國(guó)外天氣預(yù)報(bào)工作中的應(yīng)用主要體現(xiàn)在氣象觀測(cè)及天氣預(yù)報(bào)等重要工作環(huán)節(jié)，且近年來(lái)也逐漸被認(rèn)為是數(shù)值模式的替代性方案，應(yīng)用價(jià)值得到國(guó)內(nèi)外的一致認(rèn)可。

4.2 智能網(wǎng)格預(yù)報(bào)與模型分析技術(shù)

國(guó)外人工智能技術(shù)在天氣預(yù)報(bào)中的應(yīng)用最早可以追溯到1984年，且主要應(yīng)用于災(zāi)害性雷暴預(yù)報(bào)工作中，其中以美國(guó)的WILLARD系統(tǒng)及加拿大的SWIFT系統(tǒng)最為成熟，對(duì)降低天氣預(yù)報(bào)的錯(cuò)報(bào)率具有重要意義，而我國(guó)人工智能系統(tǒng)在天氣預(yù)報(bào)中的應(yīng)用還處于與研發(fā)與測(cè)試階段。智慧氣象以智能的感知、精準(zhǔn)的預(yù)測(cè)及科學(xué)的管理為主要內(nèi)容，其概念的提出標(biāo)志著我國(guó)天氣預(yù)報(bào)工作正朝向云計(jì)算及大數(shù)據(jù)的方向快速發(fā)展，以天氣預(yù)報(bào)為代表的氣象業(yè)務(wù)、服務(wù)及管理都更加充滿“智慧”。智能網(wǎng)格預(yù)報(bào)[3]是近年來(lái)我國(guó)天氣預(yù)報(bào)領(lǐng)域中發(fā)展最快的信息技術(shù)，在大數(shù)據(jù)及人工智能等多種現(xiàn)代化高新技術(shù)的支持下，對(duì)大量氣象數(shù)據(jù)進(jìn)行整合、挖掘、分析與應(yīng)用，而核心機(jī)械學(xué)習(xí)系統(tǒng)使得天氣預(yù)報(bào)工作朝著更為智能與精準(zhǔn)的方向不斷發(fā)展。我國(guó)氣象臺(tái)在天氣預(yù)報(bào)及氣候預(yù)測(cè)方面存在一定概率，二者之間的延伸期大約10～30 d，且在這一階段中的氣象預(yù)測(cè)成功率相對(duì)較低，為此相關(guān)研究人員結(jié)合近百年的氣象數(shù)據(jù)并應(yīng)用科學(xué)計(jì)算方法建立起了一套氣象分析模型，即TempRiskApollo模型，其本質(zhì)就是將當(dāng)前各項(xiàng)氣候條件與模型數(shù)據(jù)進(jìn)行對(duì)比分析進(jìn)而提高預(yù)算的準(zhǔn)確度并延長(zhǎng)預(yù)測(cè)時(shí)間，模型發(fā)展至今不斷完善與創(chuàng)新，已經(jīng)可以忽略變量之間的影響并準(zhǔn)確預(yù)測(cè)40 d之內(nèi)的氣溫概率，這標(biāo)志著我國(guó)人工智能技術(shù)在天氣預(yù)報(bào)領(lǐng)域中的應(yīng)用取得了更大的進(jìn)展。

4.3 人工智能在天氣預(yù)報(bào)中應(yīng)用的薄弱環(huán)節(jié)

雖然人工智能技術(shù)快速發(fā)展，但遇到一些不可解釋性的問(wèn)題依然均在一定的困難，由于目前天氣預(yù)報(bào)中應(yīng)用的人工智能技術(shù)很難從眾多觀測(cè)數(shù)據(jù)中發(fā)現(xiàn)其中的因果關(guān)系，為此很難建立模型來(lái)進(jìn)行自我解釋，例如神經(jīng)網(wǎng)絡(luò)及支持向量機(jī)所形成的模型并不適用于底層物理概念的解釋工作[4]，為此也可以說(shuō)天氣預(yù)報(bào)中的人工智能技術(shù)仍舊有待提高。為此相關(guān)人員需要加深對(duì)某些特殊氣象數(shù)據(jù)的研究，考慮充分的建模并開(kāi)發(fā)獨(dú)特的算法與機(jī)構(gòu)，以物理模型及數(shù)據(jù)驅(qū)動(dòng)模型之間的有機(jī)聯(lián)系來(lái)彌補(bǔ)人工智能在天氣預(yù)報(bào)中的薄弱環(huán)節(jié)。

5 人工智能技術(shù)在天氣預(yù)報(bào)中的未來(lái)發(fā)展前景

美國(guó)作為全球AI領(lǐng)先國(guó)家對(duì)未來(lái)國(guó)際發(fā)展趨勢(shì)已經(jīng)做出了說(shuō)明，在相關(guān)報(bào)告中也詳細(xì)闡述了人工智能對(duì)NASA地球系統(tǒng)建模的重要影響，我國(guó)必然加快發(fā)展步伐并積極開(kāi)展合作，通過(guò)建立有效地組織及流程來(lái)切實(shí)推進(jìn)人工智能的創(chuàng)新研究，增加全球戰(zhàn)略性合作伙伴以接軌國(guó)際發(fā)展進(jìn)程。相較傳統(tǒng)現(xiàn)行統(tǒng)計(jì)分析等方法而言，人工智能技術(shù)在數(shù)據(jù)分析與分析以及圖像特征識(shí)別等環(huán)節(jié)顯示出突出的優(yōu)勢(shì)[5]。人工智能在我國(guó)天氣預(yù)報(bào)中的應(yīng)用仍處于探索階段，不可完全替代傳統(tǒng)數(shù)值預(yù)報(bào)，二者的融合發(fā)展可能成為未來(lái)一段時(shí)間內(nèi)的主導(dǎo)方式，其自身存在的一些問(wèn)題導(dǎo)致人工智能難以從復(fù)雜的天氣現(xiàn)象中發(fā)現(xiàn)其中的發(fā)展規(guī)律，仍然需要借助人工指引，為此國(guó)內(nèi)外對(duì)于預(yù)報(bào)員未來(lái)是否會(huì)消失等問(wèn)題一直存在爭(zhēng)議。

6 結(jié)語(yǔ)

天氣預(yù)報(bào)不僅影響著我們的日常生活，同時(shí)還會(huì)為我們帶來(lái)巨大的經(jīng)濟(jì)效益，而人工智能的發(fā)展使得我國(guó)天氣預(yù)報(bào)工作在面臨重要發(fā)展機(jī)遇的同時(shí)也面臨著更為嚴(yán)峻的挑戰(zhàn)，目前人工智能在人臉識(shí)別及自動(dòng)駕駛等方面的應(yīng)用效果更為顯著，但因其自身及多種客觀因素在天氣預(yù)報(bào)中的應(yīng)用難度較大，我國(guó)雖然處于應(yīng)用發(fā)展的初級(jí)階段，但也一直留意國(guó)際最新動(dòng)態(tài)，希望可以結(jié)合本國(guó)實(shí)際情況更好地將人工智能融合在天氣預(yù)報(bào)工作中。