KAIST研究团队与东京大学联合开发
在正式进入夏季之前，今年也同样令人担忧会出现暴雨或强降雨灾害。这是因为全球变暖使极端气候愈发严重。越是在这种时候，准确的天气预报就越重要，但我国气象厅即便动用超级计算机，仍时常因连数小时后将出现的强降雨都无法预报等“失误”而受到批评。对此，国内研究团队通过人工智能（AI）算法开发出一项技术，大幅降低了降水量预报的误差。
韩国科学技术院（KAIST）25日表示，由 Kim Hyeongjun 文述未来战略研究生院教授与东京大学等组成的国际联合研究团队，提出了一种利用搭载在人造卫星上的微波辐射计观测值来估算地表降水量的新型机器学习方法。
研究团队与既有方法比较后发现，在全部降水量范围内，成功将均方根误差（RMSE）至少降低15.9%，最高可降低42.5%。简单的数据驱动模型需要海量训练数据，且难以保证物理一致性，也难以分析结果成因等，存在诸多问题。研究团队在本次研究中，将关于卫星降水量估算的领域知识以显式方式纳入模型，实现了学习模型内部相互依赖知识的交换。具体而言，他们采用名为多任务学习（multitask learning）的深度学习技术，将识别是否降水的分类模型与估算降水强度的回归模型进行整合并同时训练。
此次研究提出的机器学习模型，除了本次纳入的机制外，还可以进一步包含多种物理机制。例如，通过加入对雨、雪、雨夹雪等降水类型的分类，以及对上升气流或层状云等引发降水的云类型的分类，预计今后估算的准确度将得到进一步提升。
本次研究结果已于本月16日发表于国际学术期刊《地球物理研究快报》（Geophysical Research Letters）。
本报道由人工智能(AI)翻译技术生成。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
