人工智能让冬奥会气象预报更精准

　　2月8日，当看到中国选手谷爱凌以漂亮的高难度动作夺得自由式滑雪女子大跳台金牌时，北京大学重庆大数据研究院博士张烺忍不住欢呼起来。她对于冬奥会比赛的关注相比普通观众更多了一份关切，因为她所在团队的研究成果正保障着冬奥会的气象预报。

　　在中国科学院院士、北京大学副校长、北京大学重庆大数据研究院首席科学家张平文领衔下，该院研究团队参与了国家重点研发计划“科技冬奥”重点专项项目“冬奥赛场定点气象要素客观预报技术研究及应用”课题研究，开发出人工智能MOML算法赋能天气预报模型，使预报更精准。

　　相比夏奥，冬奥会的举行受天气影响更大。其气象保障是冬季复杂地形条件下的中小尺度边界层气象问题，为了让奥运健儿在赛场上有良好发挥，往往对预报的精细度要求更高，甚至达到百米级、分钟级，这一直是国际气象界的难点。

　　“我们的研究是通过人工智能算法，对天气预报模式的结果进行订正，让其更精准。”张烺是北京大学重庆大数据研究院智能会商与人工智能天气预报实验室的博士，她介绍，气象业务中会产生海量的气象数据，目前全球广泛采用的数值天气预报模式，是通过大型计算机作数值计算，用物理方程表达天气演变的物理过程，从而预测一段时间内大气运动状态和气象。全球数值天气预报能力不断提高，基本上可以解决大部分区域的大尺度预报问题，但针对小尺度、精细化的预报需求，数值计算存在误差，预报员还需要通过会商给出预报结论。

　　以往会商对预报员依赖度很高，需要综合各方数据并结合自身经验对模式输出数据偏差进行订正。而人工智能算法在融合、处理信息中的先天优势，它在一定程度上可以代替预报员在会商中整合、分析信息的过程，通过数据挖掘、学习，将预报员的经验内化在算法中，实现智能、高效的预报。由张平文院士领衔的研究团队开发出预报员的人工智能算法MOML，实现了智能订正，提高了预报效率的同时进一步提高预报的准确率。

　　“对于模式输出数据偏差的订正方法，国内外均开展了广泛研究。”张烺介绍，如以前采用的MOS方法，主要针对单站进行订正，如果想得到较理想的订正结果，需要人工进行参数调整，准确率提高有限，而通过人工智能算法，可以实现对格点进行预报。目前，MOML算法在温度、湿度、风速、风向等天气要素上已取得突破，不仅可以很好地辅助预报员，大幅减少预报员的工作量，相比常规方法来说，它将预报的准确性提高了10%以上。

　　据了解，北京冬奥会已经实现了气象短时临近预报“百米级尺度、分钟级更新”，可快速生成覆盖冬奥山地赛场的100米分辨率、逐10分钟更新的网格化温、湿、风、降水等天气要素客观分析以及0到12小时预报产品。

　　张烺表示，除了服务冬奥会，他们团队也正在对MOML算法在气象预报中的应用进行进一步研究，针对重庆更加复杂的山地环境，他们正在与重庆市气象局合作，让相关研究成果在重庆应用。