深度学习可准确预测热浪和寒潮

赖斯大学的工程师已经创建了一个深度学习计算机系统，该系统可以自动使用最短的当前天气信息，提前五天准确地预测极端天气事件(例如热浪)。具有讽刺意味的是，赖斯的自学“胶囊神经网络”使用一种天气预报的模拟方法，使计算机在1950年代过时了。在训练期间，它会检查数百对地图。每张地图都显示了五公里高处的表面温度和气压，每对地图相隔数天显示了这些状况。培训包括产生极端天气的场景-扩展的冷热天气可能导致致命的热浪和冬季风暴。经过培训，该系统能够检查以前未曾见过的地图，并以85%的准确度对极端天气进行五天预报。

随着进一步的发展，该系统可以作为气象预报预警系统，并作为学习更多有关导致极端天气的大气条件的工具，说，赖斯的Pedram Hassanzadeh，共同作者研究了有关系统网上公布本周在美国地球物理联合会的《地球系统建模进展杂志》上。

自1950年代基于计算机的数字天气预报(NWP)问世以来，日常天气预报的准确性一直稳步提高。但是，即使使用改进的大气数值模型和更强大的计算机，NWP也无法可靠地预测极端事件，例如2003年法国和2010年俄罗斯的致命热浪。

赖斯机械工程以及地球，环境和行星科学的助理教授哈桑扎德(Hassanzadeh)表示：“可能我们需要更快的超级计算机，才能以更高的分辨率求解数值天气预报模型的控制方程式。” “但是，由于我们不完全了解极端天气模式的物理条件和先兆条件，因此，无论我们投入多少计算能力，这些方程也可能不完全准确，并且它们也不会产生更好的预测。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决定采用另一种方法。