在预报天气时，气象学家使用大量模型和数据源来跟踪可能表明严重风暴的云的形状和运动。然而，随着天气数据的日益扩大和迫在眉睫的最后期限，他们几乎不可能实时监控所有风暴编队 - 特别是小规模风暴编队。
现在，由于宾夕法尼亚州立大学，AccuWeather公司和西班牙阿尔梅里亚大学的一组研究人员，有一种计算机模型可以帮助预报员更快，更准确地识别潜在的严重风暴。他们开发了一个基于机器学习线性分类器的框架 - 一种人工智能 - 可以检测卫星图像中云的旋转运动，否则这些运动可能会被忽视。这个AI解决方案在匹兹堡超级计算中心的Bridges超级计算机上运行。
AccuWeather的高级法医气象学家Steve Wistar说，使用这个工具将他的目光指向可能具有威胁性的地层，可以帮助他做出更好的预测。
“最好的预测结合了尽可能多的数据，”他说。“有太多东西可以吸收，因为气氛是无限复杂的。通过使用我们[在我们面前]的模型和数据，我们可以拍摄出最完整的氛围。”
在他们的研究中，研究人员与Wistar和其他AccuWeather气象学家合作，分析了超过50,000个美国历史气象图像。在其中，专家们确定并标记了“逗号形状”云的形状和运动。这些云模式与旋风形成密切相关，可能导致恶劣天气事件，包括冰雹，雷暴，大风和暴风雪。
然后，利用计算机视觉和机器学习技术，研究人员教授计算机自动识别和检测卫星图像中的逗号形状的云。然后，计算机可以通过实时指出，在数据海洋中，他们可以集中注意力来检测恶劣天气的发生。
“由于逗号形状的云是恶劣天气事件的直观指标，我们的方案可以帮助气象学家预测此类事件，”宾夕法尼亚州信息科学与技术学院的博士生Rachel Zheng说道，他是该研究的主要研究员。项目。
研究人员发现，他们的方法可以有效地检测出逗号形状的云，准确率达到99%，每次预测平均为40秒。它还能够预测64%的恶劣天气事件，优于其他现有的恶劣天气检测方法。
“我们的方法可以捕获大多数人类标记的逗号形云，”郑说。“此外，我们的方法可以在它们完全形成之前检测到一些逗号形状的云，并且我们的检测有时比人眼识别更早。”
“我们的业务是拯救生命和保护财产，”Wistar补充道。“对受风暴影响的人们提前通知，我们提供这项服务的效果越好。我们正尽力尽早获取最佳信息。”
该项目加强了AccuWeather与郑州研究小组的早期工作，该研究小组由郑教授的论文顾问James Wang教授领导。
“我们在2010年与AccuWeather合作开始时认识到，气象学家和气候学家面临的一项重大挑战是了解地球观测卫星，雷达和传感器网络产生的大量且不断增加的数据，”王说。“计算机化系统必须对数据进行分析和学习，以便我们能够及时正确地解释时间敏感应用中的数据，例如恶劣天气预报。”
他补充说：“这项研究是向研究界展示基于人工智能的天气相关视觉信息解释的可行性的早期尝试。将这种方法与现有数值天气预报模型和其他模拟模型相结合的更多研究可能会使天气预报对人们更加准确和有用。“
结束Wistar，“[这项研究]的好处是引起一位非常忙碌的预测者注意到可能被忽视的事情。”