北京時間7月22日，國際著名學術期刊《自然》最新發(fā)表一篇環(huán)境研究論文稱，研究人員研發(fā)出一個機器學習模型能進行準確的天氣預測和氣候模擬。這一機器學習模型被命名為NeuralGCM，它能超越部分現(xiàn)有天氣和氣候預測模型，且有望比傳統(tǒng)模型節(jié)省大量算力。

　　該論文介紹，一般環(huán)流模型(GCMs)表示了大氣、海洋和陸地的物理過程，是天氣和氣候預測的基礎，而減少長期預報的不確定性以及估算極端天氣事件，是理解氣候緩解和適應的關鍵。機器學習模型一直被認為是天氣預測的一種替代手段，且具有節(jié)省算力成本的優(yōu)勢，但它們在長期預報的表現(xiàn)常常不如一般環(huán)流模型。

　　在本項研究中，美國谷歌研究團隊和合作者設計出機器學習模型NeuralGCM，這個模型結合了機器學習和物理方法，能進行中短期天氣預報以及幾十年的氣候模擬。該模型對1-15天預報的準確率能媲美歐洲中期天氣預報中心ECMWF(最好的傳統(tǒng)物理天氣模型之一)的預測結果；對于最多提前10天的預報，NeuralGCM的準確率與現(xiàn)有機器學習技術不相上下，有時甚至更好。

　　同時，NeuralGCM的氣候模擬準確率與最好的機器學習和物理方法相當：在NeuralGCM的40年氣候預測中加入海平面溫度后，論文作者發(fā)現(xiàn)模型給出的結果與從ECMWF數(shù)據中發(fā)現(xiàn)的全球變暖趨勢一致。此外，NeuralGCM在預測龍卷風及其軌跡方面也超過了已有的氣候模型。

　　論文作者總結認為，這些研究結果共同表明，機器學習是提升一般環(huán)流模型的一個可行手段。

　　(記者 孫自法 制作 費璠 視頻來源施普林格·自然)

責任編輯：【羅攀】