近日，中國科學(xué)院海洋研究所李曉峰團隊在《美國國家科學(xué)院院刊》（PNAS）上發(fā)表了題為Advancing Forecasting Capabilities: A Contrastive Learning Model for Forecasting Tropical Cyclone Rapid Intensification的研究成果。該研究針對全球性臺風(fēng)快速增強預(yù)報難題，首創(chuàng)基于對比學(xué)習(xí)的人工智能模型。相較于傳統(tǒng)業(yè)務(wù)化預(yù)報方法，該模型將快速增強事件的預(yù)報準(zhǔn)確率從50%提升至92.3%，提升約2倍；與現(xiàn)有最優(yōu)深度學(xué)習(xí)模型相比，該模型誤報率由27%降至8.9%，降低為1/3。這一成果為全球臺風(fēng)災(zāi)害預(yù)警提供了技術(shù)方案。
臺風(fēng)快速增強定義為24小時內(nèi)最大持續(xù)風(fēng)速增加超過13米/秒，是臺風(fēng)突變致災(zāi)的主要原因。然而，快速增強事件僅占所有臺風(fēng)事件的5%，且受復(fù)雜物理機制影響，因此傳統(tǒng)的數(shù)值和統(tǒng)計模型的預(yù)報準(zhǔn)確率僅為50%。現(xiàn)有深度學(xué)習(xí)模型將預(yù)報準(zhǔn)確率提升至82%，但誤報率達27%。
該團隊運用對比學(xué)習(xí)技術(shù)，突破數(shù)據(jù)不平衡瓶頸，融合三維大氣海洋環(huán)境數(shù)據(jù)、衛(wèi)星紅外影像和臺風(fēng)歷史信息，實現(xiàn)臺風(fēng)空間結(jié)構(gòu)與動力-熱力特征的協(xié)同解析并提升預(yù)報精度。
研究提出，模型性能提升得益于兩個創(chuàng)新。其一，對比學(xué)習(xí)能夠平衡樣本數(shù)量，精準(zhǔn)區(qū)分快速增強事件與普通事件的特征差異，從而提高預(yù)報穩(wěn)定性。其二，三維環(huán)境數(shù)據(jù)融合可以增強對臺風(fēng)動力、熱力及結(jié)構(gòu)時空關(guān)聯(lián)的捕捉能力，使模型能夠更準(zhǔn)確地識別快速增強事件。
進一步，該研究分析了誤報案例，發(fā)現(xiàn)了低強度臺風(fēng)和特定環(huán)境條件可能導(dǎo)致誤報。
未來，結(jié)合專家經(jīng)驗輔助修正，該模型有望進一步提升預(yù)報精度，為臺風(fēng)災(zāi)害預(yù)警提供更加精準(zhǔn)可靠的技術(shù)支持。
研究工作得到國家自然科學(xué)基金和中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項等的支持。
論文鏈接
對比學(xué)習(xí)模型結(jié)構(gòu)圖
本文鏈接：快速增強臺風(fēng)預(yù)測研究獲進展http://m.sq15.cn/show-12-757-0.html
聲明：本網(wǎng)站為非營利性網(wǎng)站，本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔(dān)任何法律責(zé)任。天上不會到餡餅，請大家謹防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。