欧博墨迹天气 利用AI技术解锁观云识天“新技能”

文章正文
发布时间:2024-08-18 17:34

  墨迹天气,欧博正在将AI技术应用于气象预测领域。基于海量数据和气象知识,在传统的天气预报之外,其机器学习能力,可以实现对气象数据历史变化趋势的自主学习。凭借分析气象大数据,墨迹天气能做到分钟级、公里级的短时预报;而通过短时预报,用户不仅了解今天会不会下雨,甚至可以了解未来一小时内某个街区的天气情况。

  墨迹天气也正在将这种精准度分析能力,运用于通过智能手机来“观云识天”。设想一下,用户在任意地点掏出手机,对准天空,通过墨迹天气的AI技术,以通过分析云彩的情况来预测天气;如果是阴雨天,便能对降水情况进行短时预报,进而告知用户,该地区的雨何时会下、何时会停。

  

  怎样仅通过手机摄像头拍到的画面,“识别”出天气预报结果?

  墨迹天气推出“观云识天”产品,其核心功能就是精准识别云的算法——与识别动物植物等相比,识别云的门槛就要高得多。这需要专业气象技术和人工智能算法一起配合来实现。

  要实现手机精准“观云识天”,简单来说,需要三个步骤。

  首先,需要高质量的分类数据集。墨迹天气搜集了超过3万张实景云的图片,并从这3万多张云图中过滤掉质量差的、重复的云图,最后精选了超过1万张云图的标本。

  其次,把这些云图进行分类。识别云最全面和权威的参考资料,是世界气象组织发布的《国际云图集》。国际上,通常将云分为低、中、高云和直展云。我国以这一分类体系为基础,结合观测、天气预报的需要和云的基本外形,具体将云分成三族、十属、二十九类。由于云的变化多端,即使是有专业背景的气象观测员,标注出来的云图类别可能也会有差异。因此,对不同云的分类、“打标签”,成为最耗时间、难度最大的事。

  有了云的初步分类,最后就要交给“机器学习”。图像识别背后的技术就是新的机器学习方式,即深度学习。具体来说,在现有图像数据的基础上,计算机利用卷积神经网络自动生成每一张图片的特征向量;然后,计算机根据这些特征向量,对每一张图进行分类。也就是说,要让计算机自主感知每一种云之间的差异,并进行识别。

  为了解决数据量小、分类精度高的矛盾,墨迹天气在大量研究和试验之后,使用了“迁移学习”来解决模型拟合能力不佳的情况。迁移学习,顾名思义就是把已经训练好的模型参数迁移到新的模型,帮助新模型训练。考虑到大部分数据或任务之间存在相关性的,所以通过迁移学习,墨迹天气可以将已经过大量数据训练过的模型参数,通过迁移学习的方式,来分享给新的模型,从而加快并优化模型的学习效率。

  不仅在识别云彩方面,未来,AI技术和气象预报结合能创造更多可能。

  未来,气象预测精准度的提升,将能够惠及更多领域——比如外卖、网约车、快递等受天气影响明显的行业用户。比如,外卖企业“饿了么”就会根据墨迹天气提供的气象解决方案,预知未来两小时的天气情况,从而合理调配资源,避免因天气造成损失。

  除了能够观云识天,人们未来还能利用AI技术预知霾何时来、何时消。

  要实现这一点,仍需建立在对海量霾图片分类、识别的基础上。一张有关霾天气的照片,在成像原理上可以概括为一个大气散射模型。阳光在物体表面形成反射光,反射光在穿过霾的过程发生散射,只有部分能量能到达摄像头。与此同时,阳光也在悬浮颗粒表面散射形成大气光,并被摄像头接收。因此,摄像头中的成像可由两部分组成,透射的物体亮度和散射的大气光照。只要能精准估计出媒介的透射率,即可计算出图像中霾的大致情况。

  2017年4月1日至6月14日的累计监测数据显示,墨迹AQI预报准确率累积均值远远高于同类竞争者。其中提前1天的预报准确率均值高达75.4%,而同类竞争者仅为60.3%;提前2至5天的预报准确率均值分别为61.7%、59%、58.4%、58.8%,准确率均明显在同类竞争者之上。

  墨迹天气APP的时景社区中,每天会产生超过10万张图片。这些用户实时分享的天气照片,以及墨迹天气设置的大量固定数据传感器,都能为人工智能的机器学习提供数据来源。墨迹天气就像一名每时每刻都在不断成长的气象研究人员,最终可成为一位资深气象专家。

  此外,如果你觉得人工智能技术支持下的墨迹天气分析师,最终只是一名会“看图得结论”的分析师,那就大错特错了。人工智能的许多惊人功绩,都要基于神经网络。神经网络的内部运作就像一个“黑匣子”。在机器学习的过程中,模型会自己学习到各种天气的生成和消散规律。人工智能可能正在向着人脑无法想到的领域开拓,从而使气象预报越来越精准。

首页
评论
分享
Top