cnBeta.COM - 中文业界资讯站 ( ) • 2023-04-01 21:45

随着恶劣天气的临近和潜在的威胁生命的危险,如大雨、冰雹或龙卷风,早期警告和精确预测是至关重要的。科罗拉多州立大学的气象研究人员已经为风暴预报员提供了一个强大的新工具,以提高他们预测的可靠性,在这个过程中可能会拯救生命。

近年来,大气科学系教授和科罗拉多州气候学家Russ Schumacher带领一个团队创建了一个先进的机器学习模型,以加强美国大陆的危险天气预测。该模型最初根据历史上的过量降雨数据进行训练,被称为CSU-MLP(科罗拉多州立大学-机器学习概率),已经发展到能够提前四到八天准确预测龙卷风和冰雹等事件,这是预报员向公众传播信息以做好准备的关键窗口。

在研究科学家亚伦-希尔的带领下,在过去两年多的时间里一直致力于完善该模型,该团队最近在美国气象学会杂志《天气与预报》上发表了他们的中程(四到八天)预测能力。

Aaron-Hill-777x437.webp

研究科学家Aaron Hill在风暴预测中心向预报员介绍CSU-MLP。

研究人员现在已经与俄克拉荷马州诺曼的国家风暴预测中心的预报员合作,测试该模型并根据实际天气预报员的实际考虑对其进行完善。该工具不是人类预报员宝贵技能的替身,而是提供了一个不可知的、增强信心的措施,以帮助预报员决定是否发布关于潜在天气的公共警告。

希尔说:"我们的统计模型可以作为一种指导性产品使业务预报员受益,而不是作为一种替代。"

Israel Jirak, M.S. '02, Ph.D. '05, 是风暴预测中心的科学和运营官员,也是该论文的共同作者。他称与CSU团队的合作是"一个非常成功的研究到操作的项目"。

"他们开发了基于概率机器学习的恶劣天气指导,在统计学上是可靠和熟练的,同时对预报员也是实际有用的,"Jirak说。俄克拉荷马州的预报员每天都在使用CSU的指导产品,特别是当他们需要发布中程恶劣天气展望时。

Allie-Mazurek-777x437.webp

CSU博士生Allie Mazurek与预报员Andrew Moore讨论CSU-MLP。

该模型是在一个非常大的数据集上进行训练的,该数据集包含了美国大陆大约九年的详细历史天气观测数据。这些数据与气象学的回顾性预测相结合,这是根据过去天气事件的结果创建的模型"再预测"。CSU的研究人员从这些模型预测中提取环境因素,并将它们与过去的龙卷风和冰雹等恶劣天气事件联系起来。其结果是一个可以实时运行当前天气事件的模型,并根据当前的环境因素如温度和风力,在四到八天的时间内计算这些类型的危险的概率。

博士生Allie Mazurek正在从事该项目,并试图了解哪些大气数据输入对该模型的预测能力最为重要。她说:"如果我们能更好地分解模型是如何进行预测的,我们就有希望更好地诊断出为什么在某些天气设置中模型的预测是好的或坏的。"

希尔和马祖雷克正在努力使该模型不仅更加准确,而且对使用它的预报员来说也更加容易理解和透明。对于希尔来说,最令人欣慰的是知道多年来完善机器学习工具的工作现在在公共、业务环境中产生了变化。

"我喜欢基础研究。我喜欢了解有关我们大气层的新事物。但是,拥有一个能够提供改进的警告和改进的围绕恶劣天气威胁的信息的系统是非常有意义的,"希尔说。