天气预报中的人工智能技术研究 .pdf

天气预报中的人工智能技术研究

摘要：当前，人工智能已经取得了巨大成功，在各行业中得到了广泛应用。

已有大量研究尝试将人工智能技术用于数值天气预报的初值生成、预报和产品应

用过程中，涉及观测资料预处理、资料同化、模式积分、后处理以及高性能计算，

通过误差估计、参数估计和局部代理等手段使预报结果，得到改进且计算速度大

幅提升，展示出良好的应用前景，一些神经网络模型也表现出纯数据驱动预报的

可能性，在短时强对流天气、降水以及气候预测中已有较为理想的应用实例。然

而，人工智能技术在数值天气预报中的应用与发展仍面临一些挑战，还需要在理

论指导下的人工智能模型设计、高时空分辨率人工智能预报模型设计以及使用更

多新型人工智能技术等方面深入探索。

关键词：天气预报；人工智能；机器学习；神经网络

引言

近年来，随着计算机科学技术的不断发展，人工智能技术有了一个突飞猛进

的发展，其在各行各业的应用推动了这些领域的智能化发展。所谓人工智能，就

是从人类智能的角度，进行智能化的处理与分析，包括图像识别技术、机器人技

术以及专家系统等。此外，天气预测对于人们日常的生活、工作以及学习等有着

至关重要的影响，精准化的天气预测对于避免自然天气灾害等有着重要的影响。

而人工智能技术在天气预测领域的应用推动了该领域发展的智能化、精准化。因

此，研究人工智能在天气预测领域的应用具有重要的现实意义。

1天气预测运用的传统技术

1.1经验统计技术

在20世纪70年代之前，中国天气预测刚刚起步，由于当时气象资料稀少、

计算条件十分落后，因此主要采用经验统计技术，借以历史资料如历史曲线演变、

天气变化周期、天气谚语中的经验等进行分析。随着资料的积累和技术的发展，

数理统计方法和更多其他方法也得到了应用，但这一时期天气预报制作仍然全部

由人工完成。

1.2集合预报技术

集合预报技术的表现形式为数值，主要反映就是数据信息中的不确定因素

（模式误差、初始值不确定以及非线性误差等），与积分运算相比较，该技术仅

能够得到一个单一的结果，而集合预报技术可以给出预报结果的概率分布，具有

更高的合理性。在有关气象预测的数据计算上，因气象站和相关气象观测设施的

不足与落后，导致计算的初始场不准确，使得单一确定性预报准确率不高，而集

合预报技术首先针对初始误差的范围进行预估，然后给出一个合理的初始值的集

合，并计算与分析这个初值集合，最后得到一个预报集合，这个预报集合结果可

以客观地反映大气状态，消除初始值不确定性。

2人工智能与数值天气预报的联系及差异

人工智能和数值天气预报具有一定的相似之处，如人工智能与数值天气预报

都是根据已知先验的信息预测未知，使用的数据都具有高维、海量、异构的特点，

这些相似之处使人工智能技术能够很自然地融人数值天气预报中。同时，人工智

能与数值天气预报也存在较大差异：前者以数据为驱动，通过预测模型本身隐式

表达数据中的规律；而后者以理论知识为驱动，注重将气象规律以数学物理公式

的形式进行显式表达。两种方式各有优劣数据驱动下规律的表达较为晦涩但能够

自动、快速的实现，理论驱动下规律的表达更加清晰和准确但认识过程缓慢；又

殊途同归-都是以规律和知识获取为目标，只是方式和表达形式有所不同，如同

统计学与数值计算的关系。这些差异的存在也为数值天气预报的发展提供新机遇，

使两者各取所长、优势互补成为可能，如使用人工智能优化物理模型参数、替代

物理模型子过程、代理模型等，或利用物理理论指导、约束人工智能模型等。

3人工智能在天气预测中的应用

3.1延伸期概率预报

在数值天气预报中，对15-30d的延伸期预测一直没有好的方法，因此延伸

期预报一直是气象预报行业信息研究报中的难点。国家气象中心在2012-12完成

了基于贝叶斯和支持向量机（SVM）的高温、暴雨集合预报概率预报技术研究以

及相应的预警指数构建，利用支持向量机（SVM）方法，通过对径向基核的核函

数选取，建立暴雨中期预警SVM数学模型。2013-10，EarthRisk发布了一个40d

的气温概率预报模式TempRiskApollo。用深度学习的方法先把近一百年的历史气

象数据和数千亿次的计算建立气候模型，再与目前的气候条件进行比较，最后运

用预测分析的方法计算冷热天气的概率，是一种区别于传统天气预报的独立的预

报方法。然而单凭人工智能并不可取，比如在更复杂的天气进行降雨预报时仍需

考虑物理原理，因此该公司也开始重视物理机制和人工智能技