近日,美國氣象學會(American Meteorological Society,簡稱“AMS”)第100屆年會在美國馬薩諸塞州首府波士頓召開。作為全球最大的天氣、水文和氣候交流大會,本次年會吸引了來自世界幾十個國家的上千名科學家參會,共同探討大氣科學的發(fā)展與應用。作為全球大氣相關學科的專業(yè)和科學組織,每年美國氣象學會的年會也被譽為世界氣象科學發(fā)展的“風向標”。而作為國內交通安全管理智能化解決方案的領軍企業(yè),眼控科技人工智能研究院氣象研究團隊共有3篇論文被接收,其中Oral兩篇,Poster一篇,讓世界見證了眼控科技在氣象領域研究技術積累的“厚度”,在大會現(xiàn)場也能切身感受到眼控科技AI+氣象行業(yè)應用落地的“廣度”。
Oral 論文 1:
《A New Long-Term Radar Reflectivity Nowcasting Method Based On DeepRNN》
論文指出,對流臨近預報長期以來存在精準度低和時效性差等問題,單純依靠數(shù)值模式難以從根本上解決。而眼控使用DeepRNN網(wǎng)絡模型通過引入多層convLSTM和金字塔結構,嘗試在不同尺度上進行時空預測,同時在預測階段加入光流信息增強對對流天氣運動方向和速度信息的捕捉能力。為了生成的外推預測直觀上更加真實,網(wǎng)絡采用了GAN的訓練思路,對生成圖片的真實性和連續(xù)性進行了進一步加強。眼控科技通過AI技術與傳統(tǒng)數(shù)值模式的融合,實現(xiàn)了技術突破,解決了對流臨近預報的精準度和及時性問題。
Oral 論文 2:
《Multi-Prior LSTM(mpLSTM): Predicting Visibility With Uncertainties From The Complex Background States》
能見度預測是當前業(yè)務中的一個難點問題,預測的準確度和時間分辨率均難以滿足實際需求。眼控針對能見度預測提出了一種新的解決方案,構建了基于深度學習框架的能見度預測神經(jīng)網(wǎng)絡結構,將創(chuàng)新高效的時序預測技術引入能見度預測,大大提高預測準確度和時間分辨率。該論文設計的神經(jīng)網(wǎng)絡主要有五個模塊組成:卷積模塊、輸入注意力編碼器、時序注意力解碼器、自回歸模塊、求和模塊,通過機器學習與傳統(tǒng)預測技術的結合,有效解決能見度預測問題。
Poster 論文:
《Super Resolution Forecast: A New Method On Fined Resolution Downscaling》
Poster論文指出,一般而言,全球模式(如GFS模式)的空間分辨率為幾十公里,如需刻畫細致的區(qū)域特征,通常需借助區(qū)域數(shù)值模式繼續(xù)降尺度。但這一過程需要利用大型計算機設備輔助完成,且耗時較長。眼控氣象研究團隊以超分辨率神經(jīng)網(wǎng)絡為基礎,根據(jù)不同的數(shù)據(jù)類型調整網(wǎng)絡結構,針對某一區(qū)域,用深度學習擬合數(shù)值預報降尺度的整個過程,成功地將降尺度數(shù)值預報模式從幾個小時縮短到生成單一維度數(shù)據(jù)僅需不到1秒,大大降低了所需算力資源,使得AI技術替代傳統(tǒng)模式降尺度已成為可能。
眼控科技在國際各大領域頂級會議上不斷取得傲人成績,離不開眼控深厚的技術沉淀。眼控憑借創(chuàng)新的AI技術實現(xiàn)氣象領域的深度賦能,不斷探索和突破氣象領域的核心痛點及難點。未來,眼控科技將持續(xù)探索智慧氣象領域,依托堅實的AI創(chuàng)新技術,深度賦能社會各行業(yè),引領中國智慧氣象快速發(fā)展。
免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
