大气研究中心 (NCAR) 正在使用人工智能对冰雹、龙卷风和强风进行实验性预测——风暴灾害可能造成严重破坏，但众所周知，天气模型难以准确预测。
神经网络对流危害预测提供特定时间特定地点发生冰雹、龙卷风或大风的概率，每天更新两次，可在线免费获取。
NCAR 于 2020 年春季开始运行这些研究预测，作为海洋和大气管理局 (NOAA) 危险天气试验台春季试验的一部分。当春季恶劣天气季节在 6 月底结束时，研究小组对预报进行了分析，将其与更传统的风暴灾害预报技术进行了比较。科学家发现神经网络显着提高了基于传统模型输出的预测准确性，尤其是在那些传统预测往往表现最差的情况下，包括东部和西部地区以及夜间风暴。
“我们能够在大多数情况下显示出显着的改进，”领导该项目的 NCAR 科学家 Ryan Sobash 说。“神经网络不仅更巧妙地预测了可能发生严重风暴灾害的时间和地点，还能够更好地预测灾害事件是由冰雹还是由风主导。”
该系统在今年春天重新启动并运行，并进行了一些调整。该项目由 NOAA 和科学基金会资助，后者是 NCAR 的赞助商。预测是在 NCAR-怀俄明州超级计算中心的夏安超级计算机上运行的。
为了让天气模型产生雷暴，它必须以足够高的分辨率运行，以捕捉驱动风暴产生的精细大气现象——包括上升气流和下降气流。这通常需要模型内网格点之间的间距为 4 公里(2.5 英里)或更小。在该分辨率下，模型可以开始模拟风暴本身，但它无法产生许多与风暴相关的危害，这些危害发生在更小的尺度上，包括冰雹和龙卷风。因此，预报员依靠模型数据或代理中的特定输出来确定严重风暴产生此类危害的可能性。
最常用的代理之一是上升气流螺旋度，这是风暴旋转的量度。旋转更强的风暴往往更严重，更容易产生冰雹和龙卷风。这个代理对于超级单体和其他旋转风暴的效果相对较好，但它不能捕捉直线风暴中可能产生的一些恶劣天气，例如 derechos。
相比之下，NCAR 新预测中使用的神经网络可以吸收大约 40 种不同的因素，包括上升气流螺旋度以及风暴的位置、时间、露点、风速、表面压力等等。神经网络使用从训练数据集中收集到的这些预测因子相互关联的模式——在这种情况下，来自 NOAA 高分辨率快速刷新模型的近 500 个过去的预测以及随附的实际风暴报告——来计算概率风暴会产生冰雹、龙卷风或强风。神经网络产生的预测显示了在模型中各个网格点 40 公里(25 英里)或 120 公里(75 英里)范围内形成风暴灾害的可能性。
通过考虑风暴旋转以外的因素，与仅基于上升气流螺旋度的预测相比，神经网络能够更好地预测与直线风暴相关的灾害，并且还改进了对不太可能形成超级单体的区域的预测，尤其是中西部以外的地区。
“我们的神经网络预测的成功表明，机器学习可能是一种用于运营预测的有用工具，”Sobash 说。“作为危险天气试验台的一部分，今年春天将再次进行预报，我们期待从运营预报员那里获得更多关于他们如何将此类信息纳入其现有预报过程的反馈。”