近日，中國科學院海洋研究所李曉峰團隊在《美國國家科學院院刊》（PNAS）上發表了題為Advancing Forecasting Capabilities: A Contrastive Learning Model for Forecasting Tropical Cyclone Rapid Intensification的研究成果。該研究針對全球性臺風快速增強預報難題，首創基于對比學習的人工智能模型。相較于傳統業務化預報方法，該模型將快速增強事件的預報準確率從50%提升至92.3%，提升約2倍；與現有最優深度學習模型相比，該模型誤報率由27%降至8.9%，降低為1/3。這一成果為全球臺風災害預警提供了技術方案。
臺風快速增強定義為24小時內最大持續風速增加超過13米/秒，是臺風突變致災的主要原因。然而，快速增強事件僅占所有臺風事件的5%，且受復雜物理機制影響，因此傳統的數值和統計模型的預報準確率僅為50%。現有深度學習模型將預報準確率提升至82%，但誤報率達27%。
該團隊運用對比學習技術，突破數據不平衡瓶頸，融合三維大氣海洋環境數據、衛星紅外影像和臺風歷史信息，實現臺風空間結構與動力-熱力特征的協同解析并提升預報精度。
研究提出，模型性能提升得益于兩個創新。其一，對比學習能夠平衡樣本數量，精準區分快速增強事件與普通事件的特征差異，從而提高預報穩定性。其二，三維環境數據融合可以增強對臺風動力、熱力及結構時空關聯的捕捉能力，使模型能夠更準確地識別快速增強事件。
進一步，該研究分析了誤報案例，發現了低強度臺風和特定環境條件可能導致誤報。
未來，結合專家經驗輔助修正，該模型有望進一步提升預報精度，為臺風災害預警提供更加精準可靠的技術支持。
研究工作得到國家自然科學基金和中國科學院戰略性先導科技專項等的支持。
論文鏈接
對比學習模型結構圖
本文鏈接：快速增強臺風預測研究獲進展http://m.lensthegame.com/show-12-757-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
下一篇： 科學家發現中生代蝎化石——龍城熱河蝎