日前，來自薩爾大學(xué)的電腦科學(xué)教授延斯·迪特里希及其博士研究生克里斯蒂安·舍恩與德國氣象局合作，共同研發(fā)了一個可以更精確地預(yù)測當(dāng)?shù)乇╋L(fēng)雨天氣的系統(tǒng)。這一系統(tǒng)主要基于衛(wèi)星圖像和人工智能。

6月初，德國氣象局在幾天內(nèi)計(jì)算了夜空中的177,000個閃電。

自然奇觀產(chǎn)生了后果：有幾個人因陣風(fēng)，冰雹和雨水而受傷。與德國國家氣象局一起，來自薩爾大學(xué)的Deutscher Wetterdienst，計(jì)算機(jī)科學(xué)教授Jens Dittrich和他的博士生ChristianSch?n正在開發(fā)一種系統(tǒng)，該系統(tǒng)可以比以前更精確地預(yù)測局部雷暴。它基于衛(wèi)星圖像和人工智能。為了更詳細(xì)地研究這種方法，研究人員將從聯(lián)邦運(yùn)輸部獲得270,000歐元。

氣象服務(wù)的核心任務(wù)之一是警告危險的天氣條件。其中包括特別是雷暴，因?yàn)檫@些通常伴隨著陣風(fēng)，冰雹和強(qiáng)降雨。Deutscher Wetterdienst(DWD)使用“NowcastMIX”系統(tǒng)實(shí)現(xiàn)此目的。

它每隔五分鐘輪詢幾個遙感系統(tǒng)和觀測網(wǎng)絡(luò)，以便在接下來的兩個小時內(nèi)警告雷暴，大雨和降雪?！叭欢琋owcastMIX只能在已經(jīng)發(fā)生強(qiáng)降水的情況下檢測雷暴細(xì)胞。這就是為什么衛(wèi)星數(shù)據(jù)更早用于檢測雷暴細(xì)胞的形成，從而提前警告它們的原因，”教授計(jì)算機(jī)科學(xué)的Jens Dittrich教授解釋道。在薩爾州大學(xué)擔(dān)任“大數(shù)據(jù)分析”小組負(fù)責(zé)人。他與博士生ChristianSch?n和來自DWD的氣象學(xué)家RichardMüller一起開發(fā)了一個系統(tǒng)，可以很快補(bǔ)充NowcastMIX預(yù)測雷暴。他們的項(xiàng)目是探索人工智能在預(yù)測天氣和氣候現(xiàn)象中的適用性的第一步。

為了準(zhǔn)確地預(yù)測特定區(qū)域內(nèi)的雷暴，必須盡早且精確地檢測所謂的氣團(tuán)對流，即在周圍區(qū)域較冷的空氣下沉?xí)r加熱的空氣的上升。這已經(jīng)很久了。然而，新系統(tǒng)的亮點(diǎn)在于它只需要二維圖像，即衛(wèi)星圖像來檢測這些三維空氣位移。

為了基于二維圖像三維地觀察天空中發(fā)生的事情，研究人員使用相隔十五分鐘拍攝的照片。相應(yīng)區(qū)域的圖像系列的一部分作為算法的輸入，該算法計(jì)算未提供給算法的未來圖像看起來是什么樣的。然后科學(xué)家將這個結(jié)果與真實(shí)圖像進(jìn)行比較。預(yù)測與現(xiàn)實(shí)之間的偏差大小 - 研究人員將其稱為“誤差” - 然后作為第二種算法的輸入，研究人員使用機(jī)器學(xué)習(xí)訓(xùn)練，以識別誤差大小與雷雨的發(fā)生。

通過這種方式，他們可以計(jì)算出是否有雷電?！爱?dāng)我們將人工智能應(yīng)用于大量數(shù)據(jù)時，這就是力量。它識別出對我們隱藏的模式，“Dittrich教授解釋說。這是他和其他同事剛剛發(fā)起新的學(xué)士和碩士學(xué)位課程”數(shù)據(jù)科學(xué)和人工智能“的原因之一。

在閃電和雷聲的情況下，這種組合絕對是“多方面的”，Dittrich說?！皟H基于衛(wèi)星圖像，我們可以在接下來的15分鐘內(nèi)預(yù)測閃光的準(zhǔn)確率為96%。如果預(yù)測窗口進(jìn)一步打開，精度會降低，但仍會保持在83%以上，持續(xù)長達(dá)5個小時?！?/p>

然而，據(jù)研究人員稱，誤報率仍然過高。盡管如此，他們相信他們可以通過訓(xùn)練他們的模型來顯著減少這些誤報，例如當(dāng)前NowcastMIX系統(tǒng)也使用這些功能。聯(lián)邦運(yùn)輸部已經(jīng)授予Saarbruecken計(jì)算機(jī)科學(xué)家270,000歐元的更多細(xì)節(jié)。