機器學習提升天氣與氣候預測準確度

　　谷歌研究公司的Stephan Hoyer與合作者開發了一個機器學習模型，能進行準確的天氣預測和氣候模擬。該模型名為NeuralGCM，能超越部分現有天氣和氣候預測模型，有望比傳統模型節省大量算力。相關研究7月22日發表于《自然》。

　　一般環流模型表示了大氣、海洋和陸地的物理過程，是天氣和氣候預測的基礎。減少長期預報的不確定性以及估算極端天氣事件是理解氣候緩解和適應的關鍵。機器學習模型一直被認為是天氣預測的一種替代手段，且具有節省算力成本的優勢，但它們在長期預報的表現常常不如一般環流模型。

　　Hoyer等人設計的模型結合了機器學習和物理方法，能進行中短期天氣預報以及幾十年的氣候模擬。該模型對1至15天預報的準確率能媲美歐洲中期天氣預報中心（ECMWF，最好的傳統物理天氣模型之一）的預測結果。對于最多提前10天的預報，NeuralGCM的準確率與現有機器學習技術不相上下，有時甚至更好。

　　NeuralGCM的氣候模擬準確率與最好的機器學習和物理方法相當。當研究者在NeuralGCM的40年氣候預測中加入海平面溫度后，他們發現模型給出的結果與從ECMWF數據中發現的全球變暖趨勢一致。NeuralGCM 在預測龍卷風及其軌跡方面也超過了已有的氣候模型。這些結果表明，機器學習是提升一般環流模型的一個可行手段。