预测台风和飓风等热带低气压的发生，一般是通过卫星观测和监视云的演变过程，对观测数据进行气象模型模拟。但大气现象非线性极强，不同的气象模型预测的未来气象结果会出现非常大的偏差。近年来人工智能技术飞速发展，可根据大数据中的特定类型进行深度学习，检测特定现象，从而应用于具有不确定性的气象领域。

 

　　利用深度学习获得更高的识别精度，对每一种气象类型都需要超过数千张图片的大量数据。研究小组首先利用热带低气压跟踪算法，将全球云系统分辨率模型20年积累的气候实验数据，制成5万张热带低气压初始云及演变中的热带低气压云图片，再加上100万张未演变成热带低气压的低气压云图片，共105万张图片组成10组学习数据，利用深度卷积神经网络的机器学习，生成不同特征的10种识别器，然后构筑出可对10种识别器结果进行综合评价的集合识别器。

 

　　该方法还可对台风路径和强度进行预测，并预测暴雨的发生。今后研究小组将以深度学习为代表的人工智能技术融合数据驱动方法和模型驱动方法，开展新的海洋地球大数据分析。

 

“中国•成都五金机电指数”:http://www.wjzs.org