新式人工智能模型可快速增强预告飓风

　　海洋研讨所研讨员李晓峰团队在美国《国家科学院院刊》宣布打破性研讨成果。该研讨针对全球性的飓风快速增强预告难题，创始根据比照学习的人工智能模型，相较于传统事务化预告办法，将快速增强事情的预告精确率从50%显着提高至92.3%，提高约2倍；与现有最优深度学习模型比较，误报率由27%大幅降至8.9%，降幅达3倍，为全球飓风灾祸预警供给了革命性技能计划。

　　飓风快速增强界说为24小时内最大继续风速添加超越13米/秒，是飓风骤变致灾的根本原因。但是，因为快速增强事情仅占一切飓风事情的5%，且受杂乱的物理机制影响，传统的数值和计算模型的预告精确率仅为50%。现有深度学习模型虽将预告精确率提高至82%，但误报率仍高达27%。

　　研讨团队针对这一应战运用比照学习技能打破数据不平衡瓶颈，并交融三维大气海洋环境数据、卫星红外印象及飓风前史信息，完成飓风空间结构与动力热力特征的协同解析，然后显着提高预告精度。

　　研讨团队指出，模型功能的提高首要得益于两大立异。其一，比照学习有用平衡了样本数量，并精准区别快速增强事情与一般事情的特征差异，来提高预告稳定性。其二，三维环境数据的交融增强了对飓风动力、热力及结构时空相关的捕捉才能，使模型可以更精确地辨认快速增强事情。

　　此外，研讨团队还对误报事例进行了深入分析，发现低强度飓风及特定环境条件或许会引起误报。

　　未来，结合专家经历辅佐批改，有望逐渐提高预告精度，为飓风灾祸预警供给更精准牢靠的技能支持。

　　该研讨获得了国家自然科学基金立异集体项目、国家自然科学基金项目、我国科学院战略先导专项等联合赞助。（来历：我国科学报 廖洋 王敏）