人工智能可以创建更好的闪电预报
2022年1月4日整理发布：闪电是自然界最具破坏性的力量之一，就像在 2020 年引发大规模加州闪电综合体火灾一样，但仍然难以预测。华盛顿大学领导的一项新研究表明，机器学习——无需人类直接编程就能自我改进的计算机算法——可用于改进闪电预测。
更好的闪电预报有助于为潜在的野火做好准备，改善闪电的安全警告，并创建更准确的长期气候模型。
“机器学习的最佳主题是我们不完全理解的东西。大气科学领域还有什么东西仍然知之甚少?闪电，”华盛顿大学大气科学副教授 Daehyun Kim 说。“据我们所知，我们的工作是第一个证明机器学习算法可以用于闪电的工作。”
新技术将天气预报与基于对过去闪电事件分析的机器学习方程相结合。这种混合方法于 12 月 13 日在地球物理联盟秋季会议上提出，可以比现有的领先技术提前两天预测东南部的闪电。
“这表明，可以通过使用基于机器学习的方法来改进对雷暴等恶劣天气系统的预测，”威伊·郑(Wei-Yi Cheng)说，他正在攻读华盛顿大学大气科学博士学位。“它鼓励探索其他类型的恶劣天气预报的机器学习方法，例如龙卷风或冰雹。”
研究人员使用 2010 年至 2016 年的闪电数据训练该系统，让计算机发现天气变量与雷击之间的关系。然后，他们在 2017 年至 2019 年的天气中测试了该技术，比较了 AI 支持的技术和现有的基于物理的方法，并使用实际的闪电观测来评估两者。
与东南部等雷电多的地方的领先技术相比，新方法能够以同样的技术提前两天预测闪电。因为该方法是在整个训练的，所以它在闪电不常见的地方的表现并不那么准确。
用于比较的方法是最近开发的一种基于降水量和暴风云上升速度预测闪电的技术。随着气候变化和北极上空闪电的持续增加，这种方法预测了更多的闪电。
2017 年 6 月 18 日在上观察到(左)和机器学习预测的闪电密度(右)。神经网络模型用于机器学习预测。图片来源：Daehyun Kim/华盛顿大学
“现有的方法只是将两个变量相乘。这来自人类的想法，很简单。但它不一定是使用这两个变量来预测闪电的最佳方式，”金说。
机器学习是根据来自全球闪电定位网络的闪电观测进行训练的，该网络是一个位于华盛顿大学的合作机构，自 2008 年以来一直在跟踪全球闪电。
“机器学习需要大量数据——这是机器学习算法做一些有价值的事情的必要条件之一，”金说。“五年前，这是不可能的，因为我们没有足够的数据，即使来自 WWLLN。”
现在存在监测闪电的商业仪器网络，更新的地球静止卫星可以从太空连续监测一个区域，提供精确的闪电数据，使更多的机器学习成为可能。
“关键因素是数据的数量和质量，这正是 WWLLN 可以为我们提供的，”Cheng 说。“随着机器学习技术的进步，拥有准确可靠的闪电观测数据集将变得越来越重要。”
研究人员希望使用更多数据源、更多天气变量和更复杂的技术来改进他们的方法。他们希望改进对特定情况的预测，例如干闪电或没有降雨的闪电，因为这些对野火来说特别危险。
研究人员认为，他们的方法也可以应用于更远距离的预测。长期趋势很重要，部分原因是闪电会影响空气化学，因此预测闪电会导致更好的气候模型。
“在大气科学中，就像在其他科学中一样，有些人仍然对机器学习算法的使用持怀疑态度——因为作为科学家，我们不相信我们不理解的东西，”金说。“我是持怀疑态度的人之一，但在看到这项研究和其他研究的结果后，我深信不疑。”
