Репортаж от Wedoany，Разработанная исследовательской группой под руководством Ли Цинлань из Шэньчжэньского института передовых технологий Китайской академии наук «Интегрированная модель прогнозирования быстрого усиления тайфунов на основе машинного обучения» недавно прошла оперативное развертывание и практическое применение в Национальном метеорологическом центре и Гонконгской обсерватории, став первой в Китае моделью прогнозирования быстрого усиления тайфунов за 24 часа, внедренной в практику.
Наряду с 24-часовым прогнозом также была запущена продукция прогнозирования быстрого усиления за 12 часов. Это внедрение знаменует собой официальный вход автономной технологии прогнозирования быстрого усиления тайфунов на основе ИИ в национальную систему метеорологического обслуживания. Прогнозирование внезапных изменений интенсивности тайфунов признано технически сложной задачей в мировом метеорологическом сообществе и включено в десятку ведущих научных проблем Китайской ассоциации науки и технологий на 2025 год. Долгое время Китаю не хватало стабильных и эффективных объективных методов прогнозирования и соответствующей продукции в этой области.
Основываясь на более чем десятилетнем опыте исследований прогнозирования тайфунов, команда Ли Цинлань самостоятельно разработала модель прогнозирования интенсивности тайфунов на основе градиентного бустинга и построила интегрированную модель прогнозирования быстрого усиления тайфунов на основе машинного обучения, первой внедрив 24-часовую модель прогнозирования быстрого усиления тайфунов в систему метеорологического прогнозирования Китая.
В данном исследовании впервые были построены два количественных показателя — «соотношение суши и моря» и «коэффициент симметрии», которые описывают изменения распределения суши и моря на подстилающей поверхности тайфуна и характеристики симметрии конвекции в ядре, раскрывая физическую связь между симметрией ядра и быстрым усилением. Как пояснила Ли Цинлань, перед быстрым усилением тайфуна его ядро часто приобретает очень симметричную кольцевую структуру; чем симметричнее ядро, тем выше вероятность быстрого усиления. Команда объединила четыре алгоритма машинного обучения — деревья решений, случайный лес, AdaBoost и LightGBM — для создания интегрированной прогностической модели. Когда более половины подмоделей предсказывают быстрое усиление, система выдает прогноз, что повышает точность прогнозирования.
Согласно официальному объявлению, все ретроспективные симуляции 24-часовых процессов быстрого усиления тропических циклонов в Северной Атлантике с 2016 по 2020 год показали, что данная интегрированная модель превосходит лучшую прогностическую систему Национального центра ураганов США по показателям точности попаданий и ложных тревог, демонстрируя отличные прогностические характеристики и пригодность для оперативного использования.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
