dailyorder
活動+
 

Google用神經網路進行天氣預報

Google以卷積神經網路技術預測天氣,不過僅未來6小時內效果最佳,更長遠一點的未必比傳統預測模型有用。法新社

Google研究團隊開發一種深度神經網路(Deep Neural Network),可以快速且詳細地進行降雨預報。Google還說,他們的研究比現有預報方法更準,至少是6小時以內的天氣變化。

據Ars Technica報導,Google研究人員說,他們的研究結果在速度和空間解析度等方面有重大突破。

 點擊圖片放大觀看

Google所產生的天氣預報其實和過往神經網路的實際應用例子沒有太大差別,都是輸入過去時間點的數據來訓練網路架構,進而產生預測結果。

目前天氣預報需要1~3小時的運算時間,也就是說預報1小時後的天氣並不可行。相較之下,Google的系統可在10分鐘以內產出結果,這還算進了從美國各地感測器回收數據的時間。

神經網路的關鍵優勢之一就是快,雖仰賴長時間的訓練,但利用神經網路運算新數據可以省下許多時間成本。

至於空間解析度,相較傳統方法將空間解析度限制在約5公里以內,Google系統則是將美國領土以1公里為單位來切分。這麼做的好處是能方便查詢特定路線的每分鐘降雨預報。

對於規劃短期行程、臨時起義想出門的人特別受用,畢竟以往天氣預報可能只會告訴用戶在接下來幾小時內,將有百分之幾的降雨機率。

Google表示,至少未來6小時內發生的天氣變化,他們能做到比常規的預報方法更準確。短時間內的天氣變化主要受雲的對流和平流影響,而這些過程也受當地地形和地理環境顯著影響。

超過6小時的話可能就不一定了,Google也承認,把預測時間拉長,傳統的物理觀測方法可以預測得更準確。

不過很新鮮的是,Google的理論模型並不照著大氣物理學的學說走,像是壓力、溫度或濕度等物理條件都不是該軟體會去模擬的。取而代之的是降水分布圖,它會根據先前的快照來預測接下來的圖像會是如何。

Google使用卷積神經網路(CNN)技術,讓電腦去標記正確圖像來完成任務。這套熱門的神經網路架構稱為U-Net,最初是為了診斷醫療用途影像而開發。

U-Net可一層層對圖像進行降採樣(Downsample),先降低圖像解析度容納更多數據上的變數,像是溫度和風速等,之後再以升採樣(Upsample)的方式將圖像轉換回高解析度。這麼做既能包含全解析度的原始圖像,也能涵蓋神經網路推論的數據變數。

Google所產生的天氣預報其實和過往神經網路的實際應用例子沒有太大差別,都是輸入過去時間點的數據來訓練網路架構,進而產生預測結果。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 人工智慧