美國航天局利用機器學習人工智慧預測颶風強度 | 章魚通

2020-09-10 章魚通

NASA的研究可有助於改進對颶風是否會突然加劇的預測，從而使人們有更多的時間準備颶風。


2015年10月，東北太平洋帕特裡夏颶風在24小時內從第1級風暴爆炸成第5級怪物，風速從86英裡(每小時138公裡)躍升到207英裡(每小時333公裡)。帕特裡夏颶風並不是在如此短的時間內突然加強的第一次或最後一次颶風，但它是幾十年來一直困擾著氣象預報的現象的驚人表現。


準確預測颶風是否會在24小時內風速增加35英裡(56公裡)或更多的情況下迅速加劇，是極其困難的。不過，在NASA南加州噴氣推進實驗室(Jet Propulsion Laboratory)的科學家領導下，研究人員利用機器學習來開發一種實驗計算機模型，該模型有望大大提高檢測快速強化事件的準確度。


「這是一個重要的預測，因為它可能會對人和財產造成損害， 」 JPL大氣科學家許仕仁（Hui Su ，音譯）說。她和同事們，包括美國國家海洋與大氣管理局(National Oceanic and Atmospheric Administration)國家颶風中心(National Hurricane Center)的一名研究員，在8月25日發表在《地球物理研究信件》(Geophysical Research Letters)雜誌上的一篇論文中描述了他們的預測模型。


眼睜睜看著內工人


颶風預報分為兩部分：軌道和強度。科學家和預測員非常善於預測颶風會在哪裡登陸。但預測其強度仍給他們帶來麻煩，因為這取決於周圍環境以及風暴中發生的事情。颶風中的一些特性，比如雨的強度，以及空氣垂直移動的速度，都是難以衡量的。


也很難確定哪些內部特點導致這些風暴迅速加劇。但在仔細研究了多年的衛星數據後， Su和她的同事發現，一個很好的跡象表明，颶風在未來24小時裡的強度會如何變化，那就是，風暴的內心深處，即眼睛半徑62英裡（100公裡）以內的地區，或眼睛周圍密集的雷暴牆的降雨量。颶風來襲的難度越大，風暴就越有可能加劇。該小組從熱帶降雨測量飛行任務中收集了這些降雨數據，該飛行任務是美國航天局和日本宇宙航空研究開發機構於1997年至2015年開展的一個聯合衛星項目。


此外，研究人員發現，風暴強度的變化取決於他們從美國航天局CloudSat觀測中收集到的颶風測量數據中雲層的冰水含量。颶風頂部從眼睛流出的空氣溫度，即所謂的外流溫度，也是造成強度變化的因素。Su及其同事從美國航天局在Aura衛星上的微波Limb Sounder（MLS）以及其他數據集中獲得了流出溫度測量。


更多的學習權力


該團隊將降雨量、冰水含量和氣溫超標預測器添加到了國家颶風中心(National Hurricane Center)已經在其運行模型中使用的那些預測器中，以便通過機器學習得出自己的預測。颶風中的變量太多，而且以如此複雜的方式相互作用，以至於許多目前的計算機模型難以準確地描述這些風暴的內部運作情況。然而，機器學習能夠更好地分析這些複雜的內部動態，並確定哪些特性可能促使颶風強度突然上升。研究人員利用IBM Watson Studio的計算算法能力開發了他們的機器學習模型。


然後，他們在1998年至2008年期間培訓了風暴模型，並在2009年至2014年期間使用不同的風暴對模型進行了測試。Su及其同事還將其模型的性能與國家颶風中心2009年至2014年相同風暴的業務預測模型進行了比較。


對於風在24小時內增加至少35英裡(56公裡)的颶風，研究人員模型探測快速強化事件的可能性比目前的業務預測模型高60% 。但是，對於那些風力在24小時內躍升至少40英裡（64公裡）的颶風，新模式探測到這些事件的能力比實際運作模式強200 ％ 。


Su和她的同事，包括國家颶風中心的合作者，正在測試他們在當前颶風季節的風暴模型，以衡量其性能。今後，他們計劃篩選衛星數據，以找到能夠改進機器學習模式的更多颶風特性。預測者，比如颶風的一個部分比另一個部分更加下雨，可以讓科學家更好地了解風暴的強度可能會隨著時間的推移而發生變化。



章魚通（www.zhangyutong.net）人工智慧產業對接平臺。

相關焦點

  • 機器學習模型成為NASA最新預測颶風強度的背後技術
    因此，為了預測未來的颶風強度，美國宇航局位於南加州的噴氣推進實驗室的科學家們提出了一種機器學習模型，聲稱可以準確預測颶風未來的快速強度事件。傳統上，在風暴或颶風醞釀時就預測它的危害程度是一個挑戰。然而，美國宇航局的新機器學習模型可以提高預測的準確性，並提供更好的結果。這個模型是通過提取多年的衛星數據訓練開發出來的，它聲稱可以預測颶風的強度，預報也更加準確。這使得人們可以在風暴真正來臨之前就做好準備。
  • 深層科學：犬類探測器、火星探測器和人工智慧 | 章魚通
    研究論文的發表速度太快，任何人都無法讀到所有論文，特別是機器學習領域的論文，而機器學習現在幾乎影響到每一個行業和公司（並產生論文）。本專欄旨在收集最相關的最新發現和論文，特別是但不限於人工智慧，並解釋這些發現和論文為何重要。
  • 人工智慧用來顯示氫是如何在巨型行星內變成金屬的 | 章魚通
    通過將人工智慧和量子力學結合起來，研究人員發現氫是如何在這些行星的極端壓力條件下成為金屬的。劍橋大學(University of Cambridge)、 IBM研究公司(IBM Research)和EPFL的研究人員利用機器學習模仿氫原子之間的相互作用
  • 年輕的銀河系統被人工智慧和低氧氣記錄發現 | 章魚通
    標準宇宙學預測，今天可能仍有幾個星系形成，但這些星系難以探測。東京大學宇宙射線研究所(University of Tokyo Institute for Cosmic Ray Research)的高島隆一(Takashi Kojima)是這項研究的主要作者，他說， 「要找到這些非常微弱、罕見的星系，用蘇巴魯望遠鏡採集的深度、廣域成像數據是必不可少的。
  • 「蝴蝶效應」也能預測了?看機器學習如何解釋混沌系統
    大數據文摘作品　　編譯：李雷、笪潔瓊、夏雅薇　　一隻南美洲的蝴蝶，偶爾扇動幾下翅膀，兩周後可以引起美國德克薩斯州的一場颶風……　　極小的擾動，將會引起結果的巨大差異。不可重複、不可預測，這就是混沌現象。不可預測？
  • 利用機器學習預測野火
    在讀到最近在美國科羅拉多州和澳大利亞各地發生的野火之後，我們想知道是否有一種方法可以提前預測這些災難，以便採取一些保護措施。我們在Kaggle上找到了這個數據集，它包含了美國188萬場野火，我們使用PyTorch Lightning建立一個模型。閱讀後面的內容，一起來看看如何使用這個數據集建立一個可以預測野火強度的模型吧。
  • 物理所等利用機器學習方法預測材料性能獲進展
    近二十年來，機器學習方法的發展為我們的生活帶來許多便利。智能網絡搜索、語音識別，乃至無人超市、無人駕駛汽車等，依託於機器學習方法的新事物正迅速地在生活中普及。Alpha Go的橫空出世更讓世界驚嘆於人工智慧的潛在價值。在科研領域，大數據的理念正在改變著科研人員對未知世界的探索方式。
  • 美國氣象機構預測今年大西洋颶風季「極度活躍」
    美國氣象機構預測今年大西洋颶風季「極度活躍」 孫丁 徐劍梅/新華社 2020-08-07 14:49
  • 量子物理學機器學習:讓人工智慧學習與運用量子力學
    新開發的人工智慧算法，通過讓人工智慧學習與運用量子力學，可以在幾秒鐘內在筆記本電腦或智慧型手機上即可提供準確的預測。人工智慧及其機器學習算法現在通常用於洞察我們的上網習慣、預測我們的購買行為、識別我們的面孔或筆跡等等。在科學研究中，人工智慧正在通過學習、掌握與運用一切科學知識，將自身確立為科學研究的重要工具。
  • 2021年重要的機器學習和A人工智慧的發展趨勢
    機器學習和人工智慧是超自動化的關鍵部分和重要推動力（以及諸如流程自動化工具之類的各種創新）。為了提高效率，超級自動化活動不能依賴於靜態打包的軟體。自動化的業務流程必須能夠適應不斷變化的條件並應對突發情況。 2. 業務預測與分析 近年來，時間序列分析已經成為主流，並成為今年的熱門模式。
  • 人工智慧首次預測蛋白質「光學指紋」
    來源:科技日報科技日報合肥6月9日電 （記者吳長鋒）記者從中國科大獲悉，該校微尺度物質科學國家研究中心江俊教授與其合作者合作，通過利用人工智慧機器學習中的神經網絡技術，模擬了蛋白質肽鍵結構與性質之間的構效關係，大大降低了計算量，為預測蛋白質的光學特性提供了一種高效的工具
  • 新型輻射計預測颶風準確率更高
    颶風是一種巨大氣旋，中心氣壓低，氣流速度快，是地球上危險且毀滅性很強的現象之一。溫帶氣旋是由於相鄰氣團的溫度和壓力差別大而產生的；熱帶氣旋則在海平面上方形成，由潮溼空氣層蒸汽凝結而成，能量巨大。中級颶風一小時釋放的能量，相當於約30兆瓦核爆炸的威力，這股力量在海上移動，最終能席捲岸邊。據美國國家航空航天局（NASA）數據，全球約一億人生活在颶風危險區。
  • 人工智慧和機器學習能為抗擊新冠肺炎做些什麼?
    的署名文章，其中詳細闡述了人工智慧和機器學習技術如何在攻克新冠肺炎疫情方面發揮重要作用，又是如何助力人類應對共同的挑戰，全文如下：人工智慧和機器學習能為抗擊新冠肺炎做些什麼？AWS機器學習副總裁Swami Sivasubramanian各類機構都在快速應用人工智慧和機器學習技術遏制新冠疫情科研、醫療保健甚至農業領域都在部署人工智慧和機器學習技術當下，全世界依然處在與新冠肺炎的激烈抗爭之中，每一點技術創新和聰明才智的運用，
  • 人工智慧算法幫助預測風暴等惡劣天氣
    【環球網智能報導 記者 張陽】運用人工智慧技術，研究人員開發了一種算法可以用來監測導致風暴、颶風的雲團的形成。這項研究發表在《IEEE地球科學與遙感學報》上，它展示了一個模型，可以幫助更快更準確的識別潛在的嚴重風暴。
  • 人工智慧視域下機器學習的教育應用與創新探索
    隨著教育大數據的崛起，如何對大量數據進行分析以支持精準預測，是人工智慧時代面對的一個新課題。機器學習作為人工智慧的一個重要分支，能夠滿足教育大數據分析預測的需求。為此，基於「為何分析、分析什麼、以何分析、何以應用」一系列問題，通過對機器學習的作用對象、作用過程、具體方法和利益相關者等方面的分析，探討了機器學習和智慧教育的適切性。
  • 如何區分人工智慧、機器學習和深度學習?
    而機器學習可以分成下面幾種類別：監督學習從給定的訓練數據集中學習出一個函數，當新的數據到來時，可以根據這個函數預測結果。監督學習的訓練集要求是包括輸入和輸出，也可以說是特徵和目標。訓練數據中的目標是由人標註的。常見的監督學習算法包括回歸分析和統計分類。無監督學習與監督學習相比，訓練集沒有人為標註的結果。常見的無監督學習算法有聚類。
  • 人工智慧的意義,機器學習的三種類型
    其實在今天，人工智慧已經在創造收益了，但主要集中在軟體領域。然而當到了2030年，在軟體行業之外，人工智慧也將創造巨大收益，尤其是在零售、旅遊、交通、汽車、材料、製造等行業。 　　人工智慧、機器學習、深度學習這些熱詞近來被頻繁使用。讓人工智慧融於世界的現實期望固然很贊，但了解和揭秘人工智慧同樣意義重大。
  • 機器學習新戰果,破解「蝴蝶效應」,預測火焰的下一秒形態
    近半世紀以來，科學家發現許多自然現象即使可以化為單純的數學公式，但是其行徑卻無法加以預測。如氣象學家Edward Lorenz發現簡單的熱對流現象居然能引起令人無法想像的氣象變化，產生所謂的「蝴蝶效應」；60年代，美國數學家Stephen Smale發現，某些物體的行徑經過某種規則性變化之後，隨後的發展並無一定的軌跡可循，呈現失序的混沌狀態。
  • 美國颶風的分級標準是什麼
    [來源：環球時報]   美國颶風的分級標準是什麼　　颶風「卡特裡娜」日前襲擊美國。氣象專家預計「卡特裡娜」會造成100萬居民流離失所。專家把此次颶風定為四級。颶風的分級標準是什麼，颶風與颱風有何區別，今年的颶風是不是歷史上強度最大的，颶風會不會增多或增強呢？　　美國把颶風分五級　　美國國家颶風中心的資料顯示，颶風與颱風只是同一種氣候現象在不同地方的不同稱呼。熱帶氣旋按其中心附近的風速分級，風速在17米/秒以下的熱帶氣旋稱為熱帶低壓，17米/秒—33米/秒的稱為熱帶風暴。
  • 美國專家預測今年可能在大西洋形成8次颶風
    人民網8月4日訊據委內瑞拉國家電臺報導，美國科洛拉多大學的兩名專家預測今年可能在大西洋形成8次颶風，其中有4次將是強烈的颶風，這比過去的預測有所下降。　　專家格雷和克洛茨巴奇說，今年一次強烈有颶風有68%的可能襲擊美國的領土。今年在大西洋流域可望形成15次風暴，其中8次將聚集力量變成為颶風。