谷歌MetNet天气模型几秒预测未来8小时降水效率千倍提升

[钉科技编译] 许多气象机构的预报系统虽然技术已经相当成熟,但由于多是采用大气物理模型,仍受计算需求局限。

据《VB》网站消息,近日,在对降水量预报的研究基础上,谷歌提出了人工智能模型MetNet,这是用于降水预报的神经天气模型。

这是一个AI深度神经网络(DNN),能用来预报未来8小时内的降雨情况。这种方法据说不需要明确的物理定律计算,而是通过资料,计算输入到输出之间的复杂转换。与美国国家海洋与大气管理局(NOAA)目前最先进物理模拟模型需要1小时的运算时间相比,该深度神经网络计算时间只需要几秒钟,速度提升不少。

谷歌新发布的MetNet,据说可以自动调用多雷达多传感器系统(MRMS)和NOAA静止环境观测卫星(GOES)系统,这两个系统提供了自上而下的大气层云图。

综上看,MetNet明显的优势是优化了计算过程,无论是针对特定位置或是整个地区进行计算,都可以在几秒钟内取得预测结果,准确度方面也胜过美国目前正在使用的天气预报系统。不过,与MetNet相比,美国目前正在使用的天气预报系统得出的结果更加结构化。(钉科技编译,消息来源: https://venturebeat.com/2020/03/25/google-details-metnet-an-ai-model-better-than-noaa-at-predicting-precipitation/)