2023信创独角兽企业100强
全世界各行各业联合起来,internet一定要实现!

“一点微小的贡献”,KuWeather将短临预报准确率提升了5%

2018-07-16 eNet&Ciweek

北京2018年7月16日电 /美通社/ -- 通过不断的创新,专业的商业气象服务商 KuWeather 终于对短临降水预报做出了“一点微小的贡献”。从2017年多雨月份的实践结果来看,KuWeather 将短临降水预报准确率较同行业提高了5%。

短临降水预报,是在2小时内对任一经纬度点上进行逐分钟的精确降水预报。不仅要预报出每分钟上这个位置会不会有雨,而且要较准确的预报出雨强(也就是未来每分钟的雨有多大)。那这难度有多大呢?

不难。

但是也难。

从无到有,一点不难。我国200多部降水雷达每6分钟进行实时反射率因子资料上传,通过质控、坐标转换,最后建立融合系统,完成全国范围的组网拼图。

代码
代码

 

雷达
雷达

现在得到这张雷达图,每六分钟就会更新。那么首先,图中的像素是存在着与降水的函数关系的;其次,有了连续几张图之后我们是可以推断这些回波图像会怎么移动的。按照假想的情形,接下来我们先预测出来未来2小时内任意时刻拼图的形状,然后使用函数算出任意一点的降水,得到其所有的短临降水序列,再用代码做好前端展示就完成了。

DWS
DWS

看完这里,是不是觉得短临降水很好做?

如果你真这么觉得,请自行搜索Dunning-Kruger Effect。

“The Foole doth thinke he is wise, but the wiseman knowes himselfe to be a Foole”

看上去简单的东西实践起来往往最为复杂。就短临而言,两个关键步骤是去噪和外推。去噪保证在组网拼图时获得的图像是尽量无偏差的,而外推技术直接决定了我们对未来的图像形状预测是不是靠谱。

对于前者,图像处理领域里已经有许多深度学习算法可实现像素级分类,处理起来并不复杂。而后者,直接将市面上所有的短临降水预报服务在准确率上分出了高下。

想象一下:当回波运动为非刚性变形运动时,(翻译成白话:一朵云不仅仅会原样不动的遛哒,更要命的是它要旋转、要变形、要飘散、要消失、还要合体),算法们还能不能合理的外推?

粗略来看。传统光流法对预报时刻的瞬时流场估计准确度较低,更是无法估计突然出现或者消散的回波;卷积LSTM(ConvLSTM)网络虽然优于光流法,但是其卷积递归结构为时空恒定,但是运动过程产生的时空关系是非恒定的。

没有无破绽的武功,看起来要继续前行的话,似乎无路可走了。

但是创新势在必行,KuWeather 决定融各门派之所长。

恰好KuWeather 人工智能团队有三类人:搞气象的、搞数学的和搞深度学习的。他们在一艘小船上,碰撞出了新的短临降水预报方法的可能。于是从传统光流出发,充分利用数值预报,嵌套一层深度网络后使用完整雷达回波运动方程,历经多次试验调优,终于推出了具有自主知识专利的短临预报算法。

这种创新回馈给了我们足够的惊喜。从2017年多雨月份的实践结果来看,实现了比同行5%左右的准确率提高。KuWeather 切实做出了“一点微小的贡献”。

相关频道: eNews 媒体专区

您对本文或本站有任何意见,请在下方提交,谢谢!

投稿信箱:tougao@enet16.com