AI可预判6小时后暴雨……首尔大学开发超短时降水预报技术[解读科学]
仅凭雷达影像精细预测集中暴雨……入选 ICLR 2026
韩国研究团队利用人工智能（AI），仅凭雷达影像就开发出了能够精细预测包含极端强降水在内的多种气象状况的超短时降水预测系统。预计该系统有望提前捕捉集中暴雨等突发性气象灾害，从而助力提升气象预警和灾害应对体系的高度化水平。
韩国研究财团17日表示，首尔大学数学科学系教授 Hong Youngjun 研究团队开发出了一种将局部时空注意力（attention）机制与全新上采样结构相结合的、基于人工智能的超短时降水预测模型。研究成果已被人工智能领域全球顶级学术会议之一“ICLR 2026（International Conference on Learning Representations）”录用，预计将于明年4月发表。
研究模型结构及数据分布直方图。 （最上方）模型结构：输入过去的雷达降水影像，通过编码器—解码器结构的三维 Swin Transformer 提取时空信息，并预测未来降水影像。 （中间）解码器层为恢复局部模式，采用三次双重上采样方法和时间特征提取层。 （左下）KMA 数据集降水量分布图。可见大部分为晴天或一般降水，极端暴雨样本极少，呈现明显的不平衡。 （右下）传统上采样方法与本文提出方法的结果对比。 图及说明：首尔大学教授 Hong Youngjun。
View original image利用AI捕捉“极端强降水模式”
随着气候变化导致局地性集中暴雨等极端气象现象日益增多，能够预测短时间内发生灾害的技术需求不断提升。然而，现有数值预报（NWP）模型由于计算量庞大，在时空分辨率方面存在局限，难以及时、精细地预测具有复杂地形特征的韩国降水模式，这一直是个问题。
为克服这些局限，研究团队在雷达影像中引入了将计算资源集中于急剧变化降水模式的“局部注意力机制”。该结构在准确恢复引发超短时集中暴雨的微小信息的同时，减少不必要的计算，从而显著提高预测效率，这是其一大特点。
研究团队开发的模型可基于过去1小时的雷达影像，预测今后最长6小时内的降水分布。利用韩国气象厅（KMA）以及美国、法国的气象观测资料进行性能验证的结果显示，该模型的精度高于现有最新全球模型，尤其是在韩国的极端强降水情景下，预测性能大幅提升。
在计算量方面，与既有模型相比，该模型的效率也得到显著改善。根据研究团队介绍，在极端强降水预测中，计算效率提升约20倍以上，验证了其应用于实时灾害应对系统的可能性。实际上，将该模型应用于2023年国内暴雨案例的实验也表明，系统能够提前捕捉到潜在风险。
“极限挑战研发”成果……有望用于灾害应对
首尔大学数学科学系教授 Hong Youngjun 表示：“我们在数学严谨性的基础上，降低了人工智能‘黑箱’问题，实现了即便在极端气象条件下也能稳定运行的预测模型”，并称“希望今后能与灾害应对系统相结合，为守护市民安全作出贡献”。
韩国研究财团极限挑战战略中心首席项目经理 Choi Wunchun 表示：“这是研究者大胆挑战精神与以首席项目经理为中心的灵活研究管理体系相结合所取得的代表性成果”，并称“今后将持续支持能够为国家灾害应对作出贡献的公益性技术开发”。
本次研究在科学技术信息通信部和韩国研究财团推进的“极限挑战研发项目”的支持下完成。该项目由首席项目经理发掘创新性研究课题，并通过包括研究方向调整在内的灵活管理方式，支持具有巨大社会影响力的高难度研究。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
