机器学习与气象数据_机器学习与天气预报.pdf

基础架构,应用解决方案,云计算,大数据,数据中心,智慧IT,IT架构,人工智能相关的产品白皮书,技术方案,技术架构介绍,适合IT技术专业人士阅读参考

机器能预报多久后的天气？

——机器学习和可预报性

袁行远

彩云天气CEO

Part 1: Problem Description

Part 2: Precipitation Predictability

Part 3: Applications

Part 1: Methodology

/weather40d/101010100.shtml

Problem description

• Given the previous m frames of a video, predict the

next n frames

– It-m+1, … , It-1, It → It+1, It+2, ... , It+n

f ( , )=

predictability measure: decorrelation time

Eulerian persistence

Lagrangian persistence

Previous work

Bellon and Zawadzki (1994): 通过空间平均减少小尺度信息有利于提高大图

预报准确度

Seed and Keenan (2001): 使用Fourier-notch-filter进行空间尺度分解，然

后各个尺度平流

各自的decorrelation time

Zawadzki (1994)将可预报性与大尺度气象参数(比如CAPE，风暴相关的螺旋

度)联系起来

Pierce(2000) 认为风暴相关的螺旋度是指示提前预报时效的有效参数

Carbone (2002)观察到空间尺度1000km，时间持续度1天的持续性降水常有发

生。单站雷达的时空观测限制大，而大陆雷达拼图可以有效延长预报时效。

Data

分辨率：时间15min，空间2km，反射率5dBZ,

空间尺度：2720km*2720km

对流性降水多

Four events：

Variational echo tracking (确定流场)

cost function

The sum of squares of residuals of the conservation equation

其中前面乘的系数为描述数据质量的权重矢量

Smoothness-penalty function

其中前面乘的系数为常量权重

Advection of radar reflectivity (平流方案)

semi-Lagrangian

For each time step, the advection is divided up to N steps of length

Part 2: Predictability of Precipitation

Preliminary results

Preliminary results

Preliminary results

Scale-Dependence of predictability of precipitation

Different threshold of rain (intensity-size relationship)

Scale-Dependence of predictability of precipitation

Decompose radar images according to scales using discrete-cosine-transforms

and low-pass filter in the spectral domain

Part 3: Applications

•基于天气雷达, 结