借助机器学习可以准确预测天气
作者: Giovanni Sapere
阅读约2分钟

随着气候变化加剧,对地区的持续监测至关重要。在泰国这类地理位置上易受天气条件变化影响的地区,这一点尤其重要。因此,法政大学工程学院(Thammasat School of Engineering)已经证明,可以准确预测天气,最长……
随着气候变化加剧,对地区的持续监测至关重要。在泰国这类地理位置上易受天气条件变化影响的地区,这一点尤其重要。因此,法政大学工程学院(Thammasat School of Engineering)已经证明,借助机器学习可以准确预测最长12个月的天气。
法政大学工程学院的这项研究发表于2018年9月,取得了一些非常有意思的成果。事实上,论文中提出的机器学习模型,其科学基础是对1991年至2010年降雨量的监测。不过,科学家们通过监测2011年至2016年泰国Pluak Deang站每月的降雨量,获得了科学证据。因此,借助机器学习可以准确预测天气。
机器学习预测模型
所考察的机器学习模型采用了深度学习神经网络的方法。因此,最优模型必须考虑以下变量:气温、位势高度、南风、omega、长波辐射输出、相对湿度、比湿、海平面气压、海表温度、纬向风、降水率和可降水量。
图片取自发表于以下链接的研究:https://www.tci-thaijo.org/index.php/easr/article/view/127733
科学证据的结果使该模型具有很强的稳健性。事实上,结果证实,该模型可以做出从1个月到12个月的预测。能够做出正确可靠预测的时间跨度是30天,在这一跨度内,与观测值相等的预期值约占70%。
结果与最终思考
最后,该模型能够相当好地预测从多雨到非常多雨年份的月降雨量。事实上,在泰国,很少有天气预报模型是可靠的。因此,这里提出的DNN模型能够长期给出正确可靠的预测。不过,最好通过进一步的检验来增强模型的稳固性。
阅读并分享更多环保新闻,请浏览The Patent,发明杂志。
由英文原文自动翻译. 阅读原文



