深度學習可準確預測熱浪和寒潮

賴斯大學的工程師已經創建了一個深度學習計算機系統，該系統可以自動使用最短的當前天氣信息，提前五天準確地預測極端天氣事件(例如熱浪)。具有諷刺意味的是，賴斯的自學“膠囊神經網絡”使用一種天氣預報的模擬方法，使計算機在1950年代過時了。在訓練期間，它會檢查數百對地圖。每張地圖都顯示了五公里高處的表面溫度和氣壓，每對地圖相隔數天顯示了這些狀況。培訓包括產生極端天氣的場景-擴展的冷熱天氣可能導致致命的熱浪和冬季風暴。經過培訓，該系統能夠檢查以前未曾見過的地圖，并以85%的準確度對極端天氣進行五天預報。

隨著進一步的發展，該系統可以作為氣象預報預警系統，并作為學習更多有關導致極端天氣的大氣條件的工具，說，賴斯的Pedram Hassanzadeh，共同作者研究了有關系統網上公布本周在美國地球物理聯合會的《地球系統建模進展雜志》上。

自1950年代基于計算機的數字天氣預報(NWP)問世以來，日常天氣預報的準確性一直穩步提高。但是，即使使用改進的大氣數值模型和更強大的計算機，NWP也無法可靠地預測極端事件，例如2003年法國和2010年俄羅斯的致命熱浪。

賴斯機械工程以及地球，環境和行星科學的助理教授哈桑扎德(Hassanzadeh)表示：“可能我們需要更快的超級計算機，才能以更高的分辨率求解數值天氣預報模型的控制方程式。” “但是，由于我們不完全了解極端天氣模式的物理條件和先兆條件，因此，無論我們投入多少計算能力，這些方程也可能不完全準確，并且它們也不會產生更好的預測。在。”

2017年底，哈桑扎德(Hassanzadeh)及其研究合著者和研究生Ashesh Chattopadhyay和Ebrahim Nabizadeh決定采用另一種方法。