準(zhǔn)確預(yù)報(bào)天氣？看這里！| 沙龍分享

長沙7喜 2016-06-14

展開全文

本期嘉賓

苑明理

彩云天氣工程師

中文維基百科管理員

編者推薦

天氣預(yù)報(bào)錯(cuò)報(bào)和誤報(bào)，人們早已司空見慣，次數(shù)多了，也就不足為奇。盡管公眾對(duì)于天氣預(yù)報(bào)準(zhǔn)確性的容忍度極高，但在彩云天氣團(tuán)隊(duì)看來，天氣預(yù)報(bào)的準(zhǔn)確性還可以不斷提高。精確到分鐘的天氣預(yù)報(bào)？彩云天氣可以做到。

本期沙龍我們邀請(qǐng)了彩云天氣工程師苑明理為我們講述預(yù)報(bào)天氣的新視角：如何用精巧的算法預(yù)報(bào)天氣。

未來的天氣，算出來

用計(jì)算機(jī)看天氣

彩云天氣的故事要從北京師范大學(xué)的副教授張江老師說起，他在讀博期間發(fā)展了一個(gè)叫“集智俱樂部”的線下組織。在這個(gè)組織里，有各種各樣有意思、有想法的人，他們的靈感相互碰撞。

集智俱樂部最有意義的活動(dòng)是它的讀書會(huì)。這其中有一個(gè)讀書會(huì)特別值得關(guān)注，它就是彩云天氣故事發(fā)生的緣起。（https://www.douban.com/event/19029525/ 豆瓣同城：腦與deep learning讀書會(huì))

2013年，DeepLearning 剛剛火起來，讀書會(huì)便快速跟進(jìn)。十幾個(gè)年輕人做了廣泛的探討。

在這個(gè)過程中，故事的主角袁行遠(yuǎn)提出一個(gè)想法：是否可以把深度神經(jīng)網(wǎng)絡(luò)的技術(shù)應(yīng)用到天氣領(lǐng)域？

氣象愛好者通常會(huì)有一個(gè)愛好——自己看氣象雷達(dá)圖來判斷天氣情況，袁行遠(yuǎn)就是這樣一個(gè)氣象愛好者。那時(shí)，袁行遠(yuǎn)就想到——既然人能夠根據(jù)這些云圖判斷出天氣的變化，能否讓計(jì)算機(jī)也來做這件事情呢？

經(jīng)過了無數(shù)的嘗試、失敗，最后袁行遠(yuǎn)找到了一些技術(shù)上的方法。這些方法能夠順利地讓計(jì)算機(jī)推測出云的移動(dòng)，并獲得天氣預(yù)報(bào)信息——這就成了彩云天氣的開始。

用AI重新解決傳統(tǒng)問題

如果你生活在海邊，可能會(huì)看到上圖這種壯觀的情景：水汽從海里蒸發(fā)，在上升過程中經(jīng)過冷卻形成降雨。

傳統(tǒng)觀測降雨的技術(shù)手段是氣象雷達(dá)，我國目前部署了幾百臺(tái)這樣的氣象雷達(dá)。

氣象雷達(dá)觀測到的是一幀一幀的雷達(dá)圖

可以看到這幅圖中，黃色部分隨時(shí)間在逐漸移動(dòng)，它反映的是降雨帶的移動(dòng)。雷達(dá)圖的應(yīng)用有幾種形式：一種是氣象預(yù)報(bào)員根據(jù)雷達(dá)圖的觀測進(jìn)行人工判斷——降雨什么時(shí)候到達(dá)本地的城市；另一種就是把它送到超級(jí)計(jì)算機(jī)里面，并用稱為“模式”的數(shù)學(xué)模型來做一個(gè)更細(xì)致的天氣預(yù)報(bào)。

“模式”的原理示意圖

可以看到，整個(gè)地球被劃分成了很多網(wǎng)格，而每個(gè)網(wǎng)格上有大氣的若干狀態(tài)。它根據(jù)物理的方程來導(dǎo)算出下一步大氣演化過程，從而給出天氣預(yù)報(bào)。

這種方法需要巨大的計(jì)算資源，因而一般做數(shù)據(jù)天氣預(yù)報(bào)需要超級(jí)計(jì)算機(jī)。

所以，不論是氣象預(yù)報(bào)員根據(jù)雷達(dá)圖做出人工預(yù)報(bào)（這種預(yù)報(bào)無法更廣泛地送達(dá)給所有人），還是數(shù)值天氣預(yù)報(bào)（需要極其龐大的數(shù)據(jù)資源），這兩種方法都面臨著困難。

后來有人發(fā)展出一種簡化思路，即通過分析雷達(dá)圖的云的移動(dòng)來預(yù)報(bào)天氣。但是，這種方法的準(zhǔn)確率不夠高。在香港有這樣的預(yù)報(bào)系統(tǒng)，根據(jù)統(tǒng)計(jì)，它們的準(zhǔn)確率只有70%左右。

彩云天氣則結(jié)合了雨云移動(dòng)的物理學(xué)方法，同時(shí)把深度學(xué)習(xí)應(yīng)用到云的生長和消散上，從而能給出一個(gè)準(zhǔn)確的預(yù)報(bào)結(jié)果。

用獨(dú)特算法簡化問題

彩云天氣通過獨(dú)特的算法來預(yù)報(bào)天氣，這個(gè)算法是把三維的問題降為二維，可以大大降低計(jì)算量。

這個(gè)圖里雨的形成過程在三維空間中展開，風(fēng)把蒸汽往上空帶，在上升過程中冷卻形成降水。而凡是用數(shù)值天氣預(yù)報(bào)求解的思路基本都是模擬三維環(huán)境，這個(gè)計(jì)算量就非常大，這個(gè)計(jì)算就需要超級(jí)計(jì)算機(jī)來做。

如果仔細(xì)觀察上圖雷達(dá)圖的變化，你會(huì)發(fā)現(xiàn)降雨的移動(dòng)完全是可以簡化到二維空間上來進(jìn)行的。此時(shí)，我們只要單純地估計(jì)二維空間上的圓是如何移動(dòng)的，就能預(yù)報(bào)某一個(gè)地方某一時(shí)間段的天氣。

這個(gè)方法已經(jīng)有人嘗試了，但是他們沒有把這個(gè)預(yù)報(bào)準(zhǔn)確率做的特別高。而我們的特色就在于把深度學(xué)習(xí)的技術(shù)和這個(gè)思路結(jié)合起來，最后就能很好的解決傳統(tǒng)方法解決不了的問題，而且計(jì)算量還能保持較小，這就是我們獨(dú)特的地方。

總結(jié)來說的話有兩點(diǎn)，一個(gè)是把問題從三維簡化到二維，第二是一個(gè)精巧的算法。

人人都是氣象站

以上是兩幅很有意思的圖，一幅是幾十年前大家在火車上看報(bào)紙，另一幅則是人們在地鐵上看手機(jī)。

那么，不同的媒體形式會(huì)對(duì)天氣預(yù)報(bào)有影響嗎？

上圖是傳統(tǒng)的天氣預(yù)報(bào)員在電視上講解天氣變化的過程?？梢钥吹?，他是通過中心的媒介傳遞給大眾。因此，他的內(nèi)容只能傳遞同一份信息——也就是說，他提供的天氣預(yù)報(bào)只能是一個(gè)城市而不是一個(gè)精確的地點(diǎn)；同時(shí)，時(shí)間上也是靜態(tài)的，可能只是一天的整體趨勢。

如今我們生活在智能手機(jī)普及的時(shí)代，每一部手機(jī)都可以隨時(shí)精確地記錄你所在的位置，并發(fā)送相關(guān)信息給服務(wù)商。這樣，服務(wù)商就有可能做出一個(gè)完全個(gè)性化的天氣預(yù)報(bào)了。

除了個(gè)性化的天氣預(yù)報(bào)，用戶還能體驗(yàn)到一定的交互功能。通過手機(jī)，用戶可以把本地的天氣實(shí)況回報(bào)給廠商，于是廠商（比如彩云天氣）就能在這個(gè)基礎(chǔ)上來修正，從而預(yù)報(bào)更精準(zhǔn)的天氣信息。

手機(jī)相當(dāng)于一個(gè)“小氣象站”，收集了大量的個(gè)性化數(shù)據(jù)。它收集的數(shù)據(jù)不是個(gè)性的數(shù)據(jù)，是一個(gè)共享的環(huán)境數(shù)據(jù)，我們對(duì)它的處理是將這些不規(guī)則格點(diǎn)的數(shù)據(jù)，想辦法整理到規(guī)則格點(diǎn)上，成為我們整體后臺(tái)計(jì)算的一部分。

除了手機(jī)這個(gè)小小“氣象站”，我們還有很多經(jīng)驗(yàn)可以分享，例如，我們處理全國幾百臺(tái)雷達(dá)站的數(shù)據(jù)，其中每一臺(tái)要六分鐘更新一次數(shù)據(jù)，然后一天處理的雷達(dá)圖數(shù)據(jù)量是幾十G，所有這些要在六分鐘之內(nèi)順暢地完成，要求非常高。從方法上來說，除了提高每一步的單個(gè)數(shù)據(jù)處理模塊的響應(yīng)速度之外，我們還通過引入一個(gè)中間節(jié)點(diǎn)，來簡化數(shù)據(jù)流的復(fù)雜性。

上圖中密密麻麻的圖標(biāo)就是彩云天氣用戶給的實(shí)際天氣回報(bào)。

同時(shí)，因?yàn)槊恳徊渴謾C(jī)有傳感器在其中，所以它可以感知到外界的某些氣象數(shù)據(jù)。比如iPhone就可以感知到用戶周圍的氣壓。彩云天氣現(xiàn)在在做的一件事情，就是收集iPhone用戶的氣壓數(shù)據(jù)。

所有這些能力，綜合起來把彩云天氣團(tuán)隊(duì)引向了一個(gè)更大的可能——機(jī)器智能、人類智能和環(huán)境之交融。

優(yōu)酷視頻《Google DeepMind's Deep Q-learning playing Atari Breakout》（http://v.youku.com/v_show/id_XMTUxODU2NjY5Ng==.html）展示的是Google deep mind發(fā)明的re-enforcement learning的一種算法。運(yùn)用這種算法的機(jī)器可以自動(dòng)跟游戲交互而學(xué)會(huì)怎樣更好地打游戲。

剛開始的時(shí)候電腦不太會(huì)玩這個(gè)游戲，然后逐漸學(xué)會(huì)了一些技巧，開始像一個(gè)人在打。最有意思的是它在若干輪的學(xué)習(xí)之后，發(fā)現(xiàn)了一個(gè)技巧——它可以把球打到空間的上方，然后讓它不斷地反彈，這樣就能不斷地得分，可以快速地把這個(gè)游戲的得分提升上去，整個(gè)學(xué)習(xí)過程都是機(jī)器自己完成的——這是最讓人興奮的地方。

彩云天氣團(tuán)隊(duì)在天氣領(lǐng)域也有一個(gè)類似的構(gòu)想，就是利用人們的反饋，天氣觀測數(shù)據(jù)的彼此對(duì)照，作為一個(gè)輸入，讓算法自己不斷地改進(jìn)自己，從而不斷提高天氣預(yù)報(bào)的準(zhǔn)確性。

具體到工程的實(shí)現(xiàn)上，可能需要很多前期的工作一步步完成，包括很大的開發(fā)工程，我們會(huì)在接下來的幾年中不斷優(yōu)化并實(shí)現(xiàn)這樣一個(gè)想法。

特別感謝會(huì)議助理：杜雪

編輯：宋文博

運(yùn)營：李卓然

策劃：王瓊劉真

版權(quán)聲明

本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購買等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來自：長沙7喜 > 《新聞》

舉報(bào)/認(rèn)領(lǐng)