Google推出神經天氣預報模型:幾秒就能快速預測降水量

2020-12-08 三好大數據

準確預測未來幾分鐘到幾周的天氣是一項基本的科學挑戰，它可以對社會的許多方面產生廣泛影響。

據外媒報導，近日，在先前對降水量預報的研究基礎上，Google提出了MetNet，這是一種用於降水預報的神經天氣模型。

這種DNN(深神經網絡)在強大的專用硬體(如GPU和TPU)上使用並行計算，發現數據中的模式，並學習從輸入到所需輸出的複雜轉換。

DNN能夠在未來8小時內以1km 的解析度預報降水量，時間間隔為2分鐘。

MetNet的預測時間比NOAA(美國國家海洋和大氣管理局)目前使用的最先進的基於物理的模型提前了7-8小時。它可以在幾秒鐘內對整個美國的降水量進行預測，而NOAA 需要花費一小時。

Google正在積極研究如何改進全球天氣預報模型，尤其是在氣候快速變化很大的地區的準確性。雖然上文展示了美國大陸目前的MetNet模型，但它可以擴展到任何有足夠雷達和光學衛星數據的地區。

Google也希望通過今後與氣象界的合作，能夠帶來更大的改進。

作者.城池

相關焦點

  • Google發布神經天氣模型 幾秒鐘預測整個美國降水量
    原標題：Google發布神經天氣模型 幾秒鐘預測整個美國的降水量 來源：雷鋒網準確預測未來幾分鐘到幾周的天氣是一項基本的科學挑戰，它可以對社會的許多方面產生廣泛影響。很多氣象機構目前採用的預報是基於大氣的物理模型。儘管在過去幾十年有很大的改進，但這些模型本身受到計算要求的限制。並且，它們對物理定律的近似值非常敏感。
  • Google發布神經網絡天氣模型 幾秒鐘預測整個美國的降水量!
    準確預測未來幾分鐘到幾周的天氣是一項基本的科學挑戰，它可以對社會的許多方面產生廣泛影響。據外媒報導，近日，在先前對降水量預報的研究基礎上，Google提出了MetNet，這是一種用於降水預報的神經天氣模型。
  • Google發布神經天氣模型,幾秒鐘預測整個美國的降水量
    很多氣象機構目前採用的預報是基於大氣的物理模型。儘管在過去幾十年有很大的改進，但這些模型本身受到計算要求的限制。並且，它們對物理定律的近似值非常敏感。另一種能夠克服這些限制的天氣預報方法是使用深神經網絡（DNNs）。DNNs 在強大的專用硬體（如 GPU 和 TPU）上使用並行計算，發現數據中的模式，並學習從輸入到所需輸出的複雜轉換。
  • 谷歌研發8小時降水預報神經天氣模型
    準確預測未來幾分鐘到幾周的天氣是一項基本的科學挑戰，可對社會的許多方面產生廣泛影響。目前很多氣象機構的預報是基於大氣物理模型，雖然幾十年來預報技術取得了很大的進展，但是仍受物理定律和計算需求的限制。
  • 谷歌天氣模型MetNet 可預測未來8小時降水量
    在最新一期谷歌AI博客中，官方介紹了一款可以快速準確預測未來8小時內將水量的天氣模型MetNet，並表示該模型性能優於美國國家海洋和大氣管理局(NOAA)目前使用的最先進的物理模型，MetNet能在幾秒鐘內對整個國家進行預測，而此前則需要一個小時左右。
  • 預測未來?Google 用 AI 模型實現了「近乎實時」的天氣預報
    對人類來說，時間一直是最大的敵人，超越時間一直是人類的夢想，「預測未來」就是人類想要超越時間的一種方式。天氣預報就是生活中最常見的一種「預測未來」，但就像剛才說的，預測天氣同樣也是非常困難的一件事。研究人員表示，快速的預測有著極大的現實意義，這將有效適應氣候變化，特別是極端天氣狀況下，快速預測會是一個非常重要的工具。短期預測對於某些危機規避有著很高的重要性，合適運用能夠有效避免生命和財產損失。Google 的預測最大優勢就是速度，然而這樣的速度是怎麼來的呢？
  • 谷歌發布又快又準的神經天氣模型,可精準預測未來8小時降雨
    Google基於之前以機器學習即時預測降雨的研究，進一步發展用於降雨預報的神經天氣模型MetNet，這是一個深度神經網絡（DNN），能用來預報未來8小時內的降雨情況，以每2分鐘為一個區間，解析度可達1公裡，且比起美國國家海洋與大氣管理局（NOAA）目前最先進物理模擬模型表現還要好，計算時間只需要幾秒鐘
  • 別再吐槽天氣預報不準了!這次,AI將帶來氣象預測服務進階
    通過將深圳近十年的氣象數據進行訓練，災害性天氣預測模型有望將預測準確率提升10%~20%。基於新的合作，一次模型訓練，能由原來的1—2個星期縮短至3天甚至是幾個小時。天氣預報為什麼還不夠準？AI技術如何使氣象預測完成「跨代升級」，甚至精準預測方圓一公裡內幾分鐘之後的天氣變化？背後又有什麼樣的行業內幕？這是智東西想要了解的真相，也是本文要探討的話題。
  • 天氣預報不靠譜?谷歌用AI模型實現「實時」天氣預報
    天氣與人們的日常生活息息相關。準確的天氣預報可以告知人們是否應該重新安排周末的出遊計劃，也能讓即將遭遇颱風的人即時撤離危險區域。但是，要進行準確的天氣預報，尤其是對每小時都在變化的天氣進行預測，挑戰巨大。
  • 各種「智能+」手段廣泛運用於天氣預測、抗洪搶險中——預報天氣...
    原標題：各種「智能+」手段廣泛運用於天氣預測、抗洪搶險中——預報天氣，人工智慧比人類更擅長？天氣預報和人工智慧有著天然耦合的關係。天氣預報需要大量的、多種多樣的資料，人工智慧天生就是處理大數據的工具；現有資料的時空數據密度不夠，人工智慧具有對不完全不確定信息的推斷能力；此外人工智慧還可以總結專家的知識經驗，提高平均預測水平以及利用統計與數值模式中無法利用的抽象預報知識等。更快速、更高效是天氣預報不懈的追求。
  • 氣象錦囊——人工智慧賦能數值天氣預報
    天氣況狀瞬息萬變，令人難以捉摸，精準的天氣預報可為人們的生產生活提供科學準確的決策指導和服務，因此，最大限度的準確預測天氣一直是人們的不懈追求。數值天氣預報的誕生曾經給天氣預報領域帶來跨越式的發展，它是以氣象觀測資料為初值條件，通過巨型計算機進行數值計算，再用流體力學和熱力學的方程組進行求解，進而預測未來一定時段的大氣運動狀態。
  • AI加持的精準天氣預報將從深圳開始:兩小時內,一平方公裡範圍
    研究人員發現，基於 AI 的方法可以有效地檢測出逗點雲型，準確率高達 99%，且平均每次預測僅需 40 秒。這種方法可以有效地預測出 64% 的惡劣天氣事件，優於大多數其他現有的預測方法。目前，雖然全球已經在為氣象行業的智慧發展付諸行動，但是氣象預報服務仍然面臨著不小的挑戰。
  • 谷歌研發新AI模型:可以實現即時天氣預報 預測未來六小時天氣
    近日，據外媒報導，Google AI發布一項新研究，稱可以「近乎即時」地預報天氣。谷歌的研究人員描述了如何能夠以僅數分鐘的計算，以1公裡的解析度提前六小時生成準確的降雨預測。
  • 強化數據分析,精準天氣預報,人工智慧賦能氣象研究 | 智周報告核心版
    儘管現代氣象預測系統已經在數值預報模型上取得不錯的效果，但這種依賴人們對大氣物理的理解的物理模型常會收到各種各樣隨機因素的幹擾，無法滿足氣候覆雜多變的地區的預測需求。伴隨著以神經網絡為代表的人工智慧算法研究的發展和在應用領域的成功，氣象行業也在嘗試用統計算法代替或補充傳統數值模型。不少氣象單位、科研機構和科技公司都在不同的應用場景融入了人工智慧。
  • DeepMind推出蛋白質結構預測算法,大勝人類傳統模型!
    在過去的幾年裡，DeepMind公司開發的人工智慧AlphaGo已經在西洋棋和圍棋比賽中取得了超越人類的表現。而如今，DeepMind又向推動和加速新科學發現上邁出了重要的一步。前幾天，DeepMind宣布推出全新的AlphaFold系統，能夠預測並生成蛋白質的3D結構。
  • 天氣預報是如何預測的？
    我們觀看或收聽了這麼多年的天氣預報，但你不一定知道天氣預報是怎麼來的。首先，我們要搞明白什麼是天氣預報？天氣預報（測）或氣象預報（測）是使用現代科學技術對未來某一地點地球大氣層的狀態進行預測。當今的天氣預報主要是使用收集大量的數據（氣溫、溼度、風向和風速、氣壓等），然後使用目前對大氣過程的認識（氣象學）來確定未來空氣變化。
  • 預報天氣,人工智慧比人類更擅長?
    更快速、更高效是天氣預報不懈的追求。但隨著觀測衛星、雷達和傳感器網絡持續不斷地產生大量數據，如何處理海量的、多種多樣的氣象資料成為天氣預報的一個挑戰。而人工智慧出色的大數據處理能力成為助力天氣進一步精準預報的重要工具。近日，我國南方多地持續多日的暴雨天氣導致各地水位上漲，險情頻發，部分地區不同程度受災。
  • 谷歌表示新的AI模型可以實現「近乎即時」的天氣預報
    天氣預報非常困難，但是近年來專家建議機器學習可以更好地幫助從雨夾雪中分出陽光。谷歌是最新涉足的公司，本周在博客中分享了一項新研究，稱可以實現「近乎即時」的天氣預報。這項工作尚處於早期階段，尚未集成到任何商業系統中，但早期結果似乎很有希望。
  • 紐約暴風雪「草草收場」 天氣預報模型之爭成話題
    這到底是老天開了個玩笑，還是天氣預報的模型出了問題?這場爭論的焦點最後歸集到美國版的天氣預報模型還是歐洲版的預報模型。位於華盛頓的美國氣象服務部公布的預報是建立在歐洲版的模型基礎上。這個廣泛獲得認可的模型曾經先於美國模型，正確預測了幾年前暴風雪桑迪的形成。然而這次它卻錯了。
  • 氣象科普|天氣預報如何預測天氣?
    小據帶你了解天氣預報如何預測天氣吧~古人如何預測天氣01在我國古代，從夏商周時期開始，就已經有了明確的農業生產的記載。現代天氣預報如何預測天氣02完成一份天氣預報，首先需要依次收集在一定時間段裡從地面到高空的氣象數據包括氣溫、氣壓、風向、風速、溼度等。