用機器學習算法提升氣候預測水平

2020-12-06 中國氣象局

　　在溫室氣體濃度升高的背景下，精確預測全球變暖對決策者來說尤為重要。然而，當前氣候預測模式的一大挑戰是如何精確代表雲層以及大氣升溫和溼度。近日，《地球物理研究快報》發表的一篇論文表明，機器學習技術可用來解決該問題，在粗糙解析度的氣候模式中更好地代表雲層，有望縮小預測範圍。

　　該研究主要作者皮埃爾·金坦表示：「由於雲的表現形式及其對氣體變化的反應特性，氣候對溫室氣體濃度升高響應的預測存在極大不確定性。我們的研究顯示機器學習技術能夠更準確地代表雲層，從而更好地預測全球和地區氣候對溫室氣體濃度升高的反應。」

　　研究人員利用理想化裝置從概念上證明他們基於機器學習所做的對流參數化新方法，並且在裝置中訓練深度神經網絡，使其在一個明確代表雲層的模擬中進行學習。專家將他們的算法稱為「雲腦」(CBRAIN)，這種新方法能夠有效地預測對氣候模擬至關重要的雲層變暖、溼潤以及散熱等特徵。

　　研究人員還發現，由於全球氣溫對二氧化碳的敏感度與雲層密切相關，該方法可以提高未來氣溫預測水平。

　　（來源：世界科技研究新聞資訊網 編譯：劉淑喬 責任編輯：李慧）

　　

　　

　　

相關焦點

  • 算法之「算法」:所有機器學習算法都可以表示為神經網絡
    隨後出現了一個又一個新算法，從邏輯回歸到支持向量機。但是眾所周知，神經網絡是算法的算法及機器學習的巔峰。我們可以說，神經網絡是對機器學習的普遍概括，而不是僅僅一次嘗試。建模的目的是找到這個有代表性的或標註正確的函數f(x)，並用p(x)來表示預測。所有機器學習算法都以不同的方法處理這個任務，將不同的假設視為有效，並且給出最佳結果p(x)。如果寫出創建p(x)的算法，你可能會得到從條件列表到純數學運算之間的任何結果。描述函數如何將目標映射到輸入的函數實際上可以採用任何形式。
  • 人工智慧大顯神通,實現用機器學習算法:簡化粒子加速器的操作!
    SLAC國家加速器實驗室人工智慧機器學習計劃負責人、開發這項新技術的團隊成員丹尼爾·拉特納(Daniel Ratner)說：即使是電子束密度的微小差異，也會對最終釋放出的X射線量產生巨大影響。
  • 電子郵件分類的最佳機器學習算法
    通過瀏覽電子郵件的文本，我們將使用機器學習算法來預測電子郵件是由一個人寫的還是另一個人寫的。即使是算法的訓練次數和預測次數也相當合理。支持向量機支持向量機也是一種用於分類、回歸和異常檢測的有監督學習。通過一個平面將數據點劃分為兩類，利用SVM算法將數據點分類為2類。SVM具有一個直接的決策邊界。SVM算法具有通用性，可為決策函數指定不同的核函數。
  • 我國氣候預測模式邁向世界先進
    1995年起，國家氣候中心啟動我國第一代季節氣候預測以及月動力延伸氣候預測業務系統研發，2005年投入業務化運行。如今，第三代氣候模式，即次季節-季節-年際尺度一體化氣候模式預測業務系統 （下稱BCC-CPSv3系統）全部研製完成。「公眾常見天氣預報可預報性在8天左右。超過這個時間，就要用氣候預測描述未來一段時間裡的平均狀態，如溫度偏高偏低、降水偏多偏少及概率等。
  • 關於機器學習的三大類型分析
    打開APP 關於機器學習的三大類型分析 工程師飛燕 發表於 2018-10-20 08:04:00 據報導，機器學習算法逐漸潛入我們日常生活，但是工業應用卻面臨不少瓶頸，不如消費應用那麼普及，Inductive Automation的Kathy Applebaum指出，綜觀目前工業採用機器學習技術的情況，以預測性維護(PM)為大宗，其次是品管、需求預測和機器人訓練。 機器學習主要分成三大類型。
  • 流行的機器學習算法總結,幫助你開啟機器學習算法學習之旅
    AI的ML領域是為實現非常精確的目標而創建的，它引入了多種算法，從而可以更順暢地進行數據處理和決策。什麼是機器學習算法？機器學習算法是任何模型背後的大腦，可讓機器學習並使其更智能。這些算法的工作方式是，為它們提供第一批數據，並且隨著時間的流逝和算法的準確性的提高，額外的數據也被引入到算法中。
  • 谷歌開發出的深度學習算法模型,可用於預測DNA鏈等亞細胞結構的變化
    眼睛是心靈的窗口，但從去年開始，谷歌的研究團隊就利用機器學習將眼睛轉化為檢查人體健康的「窗口」，他們通過算法分析人體的高精度3D視網膜照片發現，圖像裡面包含的信息可以用來判斷出一個人的血壓、年齡和吸菸狀況。
  • 重磅| Edge 2017年度人工智慧話題預測:從算法、遷移學習到自產生...
    大腦的結構也許是宇宙中最苛刻的構造項目，它也受到嵌入 DNA 中的算法所支配，該算法能夠調節大腦中數百個不同的部分的成千上萬種不同類型的神經元之間的連接的發育。大腦中的學習與記憶是由算法控制的，該算法根據神經元活動的歷史來改變神經元之間突觸的強度。學習算法最近也被用於訓練深度神經網絡模型來識別語音、翻譯語言、為照片添加說明以及進行錦標賽水平的圍棋對弈。
  • 機器學習時代的哈希算法,將如何更高效地索引數據
    哈希算法一直是索引中最為經典的方法，它們能高效地儲存與檢索數據。但在去年 12 月，Jeff Dean 與 MIT 等研究者將索引視為模型，探索了深度學習模型學習的索引優於傳統索引結構的條件。本文首先將介紹什麼是索引以及哈希算法，並描述在機器學習與深度學習時代中，如何將索引視為模型學習比哈希算法更高效的表徵。
  • 聯邦學習算法綜述
    為了整合多個來源的數據，當前比較普遍的做法是通過數據預處理ETL（extracttransform-load）工具將不同源的數據移動到關係資料庫中，將具有龐大計算量的任務部署到多臺機器上，以提升計算效率，減少任務耗能。
  • 從星際2深度學習環境到神經機器翻譯,上手機器學習這些開源項目必...
    機器學習是用數據來學習、概括、預測的研究。近幾年，隨著數據的開發、算法的改進以及硬體計算能力的提升，機器學習技術得以快速發展，不斷延伸至新的領域。雖然研究者們在機器學習領域取得了讓人興奮的成果，不過我們仍然處於機器學習發展的早期階段。對於剛接觸機器學習的開發者來講，想要理解什麼是機器學習，首先要搞懂三個部分：輸入、算法、輸出。
  • Alink:基於Flink的機器學習平臺
    分享嘉賓：楊旭 阿里巴巴 資深算法專家編輯整理：朱榮導讀：Alink是基於Flink流批一體的機器學習平臺，提供一系列算法，可以幫助處理各種機器學習任務，比如統計分析、機器學習、實時預測、個性化推薦和異常檢測。
  • 一文就讀懂機器學習及其在遙感中的應用
    許多研究者一直在嘗試、改進，探索新的方法，以不斷提高遙感圖像自動分類算法的精度和速度。　　本文基於機器學習，細細研讀了其在遙感中的應用。　　1 .工作介紹　　機器允許我們在短時間內進行複雜的計算。這導致出現了一個完全不同的研究領域，這個領域沒有被探索:教學機器通過觀察模式來預測可能的產生的結果。
  • 人工智慧、機器學習及認知計算初學者指南
    千年以來，人類一直在思考如何構建智能機器。從那時起，人工智慧 (AI) 經歷過高潮與低谷，既展現了成功的一面，也有許多潛力有待發掘。時至今日，採用機器學習算法來解決新問題屢屢見諸報端。較早期的研究主要專注於強人工智慧，但在這一時期所引入的概念構成了當今所有機器學習與深度學習算法的基礎概念。
  • AI研究:如何讓機器學習算法解釋自己的決策?
    他們學習的模型並不像傳統的電腦程式那樣整齊地存儲在資料庫中，而是由成千上萬的虛擬神經元之間的連接組成。這些連接不是由人類程式設計師設定的，相反，神經網絡本質上是通過在大量數據中尋找模式來進行編程。因此，雖然你可以測試一個神經網絡在照片中檢測到貓的效果，但要判斷出它們的存在與否，你很難辨明它們的視覺模式。
  • 性能提升30%以上,實時實例分割算法SOLOv2實現產業SOTA
    機器之心發布機器之心編輯部如何兼顧目標檢測和語義分割的能力，並實現大幅性能提升？本文介紹了產業 SOTA 的實時實例分割算法 SOLOv2。而 DCN（Deformable Convolution）可變形卷積的特點在於：其卷積核在每一個元素上額外增加了一個可學習的偏移參數。這樣的卷積核在學習過程中可以調整卷積的感受野，從而能夠更好的提取圖像特徵，以達到提升目標檢測精度的目的，是一種引入極少計算量並提升模型精度的最佳策略。
  • 讓機器像人類一樣學習? 伯克利 AI 研究院提出新的元強化學習算法!
    在本文中，我們簡要介紹了元強化學習的研究現狀，然後提出了一種新算法—— PEARL，該算法使得樣本效率得到數量級的大幅度提升。這篇文章除了提出新的算法外，還對當時人們對元學習的興趣激增做了調查統計，結果表明無論是當時還是現在，元學習的關鍵思路就是把複雜的問題簡化成我們已經知道如何解決的問題。在傳統的機器學習中，研究者會給定一組數據點用來匹配模型；而在元學習中，則用一組數據集來替換這些數據點，其中每個數據集都對應一個學習問題。
  • 探秘洋流 提升氣候預測能力
    原標題：探秘洋流 提升氣候預測能力（解碼·發現） 在剛剛結束的兩院院士大會上，習近平總書記強調：「要堅持以全球視野謀劃和推動科技創新，全方位加強國際科技創新合作，積極主動融入全球科技創新網絡，提高國家科技計劃對外開放水平，積極參與和主導國際大科學計劃和工程，鼓勵我國科學家發起和組織國際科技合作計劃
  • 算法預測銷量準確率90%!智能決策公司ToB,想用AI做人想不到的事
    有這樣一家AI技術公司在用深度學習等算法，為各類公司進行企業決策，這戰績還真不少：為大型藥廠預測流感藥銷量，從數百個影響因素中挑出70個構建深度學習模型，準確率達到了80%。連續籤約了四家大型車企，運用算法幫助他們提升銷量。
  • BAT大廠機器學習算法面試經驗!一文帶你感受網際網路大佬知識點
    a來劃分樣本集合D，那麼純度會提升，因為我們分別對樣本的所有屬性計算增益情況，選擇最大的來作為決策樹的一個結點，或者可以說那些信息增益大的屬性往往離根結點越近，因為我們會優先用能區分度大的也就是信息增益大的屬性來進行劃分。