谷歌发布神经天气模型，可精准预测未来8小时降雨
（文章来源：十轮网）
google基于之前以机器学习即时预测降雨的研究，进一步发展用于降雨预报的神经天气模型metnet，这是一个深度神经网络（dnn），能用来预报未来8小时内的降雨情况，以每2分钟为一个区间，分辨率可达1公里，且比起美国国家海洋与大气管理局（noaa）目前最先进物理模拟模型表现还要好，计算时间只需要几秒钟，较原本需要1小时的运算时间快上不少。
google提到，许多气象机构目前的预报系统，都是采用大气物理模型，虽然过去几年预测技术有很大的进展，但是仍受物理定律和计算需求局限。而google发展的天气预报方法，则是以深度神经网络进行预测，这种方法不需要计算明确的物理定律，而是通过发现资料中的模式，并且计算输入到输出之间的复杂转换。
新发布的metnet可以直接自动取用，来自多雷达多传感器系统（mrms），以及noaa静止环境观测卫星（goes）系统，由上而下的大气云图，而且不需要经人为注释，这两个人信息料源可以完全覆盖美国境内，并且提供模型能方便处理的类图像资料。
metnet以1公里的分辨率，计算每个覆盖美国的单位区块，而每单位区块范围为64*64平方公里，不过，google解释，输入资料实际覆盖的单位区块，比起输出资料的单位区块还要大得多，这是因为要考虑预测时间内云层和降水区域可能的移动。
假设云层以每小时60公里的速度移动，为了要足够精确地预测8小时后情况，metnet在所有方向都需要截取60*8的空间，因此要对64*64平方公里的区域进行预测，就要用到涵盖1024*1024平方公里区块的资料。
但因为处理1024*1024平方公里的资料需要极大量的内存，因此google利用采样的方式，减少需要处理的空间维度，借以降低内存使用，并且以15分钟为一个单位，对输入的资料进行快照编码，接着找出资料内长距离空间相依关系，以最终产生64*64平方公里的输出。这个输出为离散的几率分布，估计了美国每平方公里的降雨几率。
google将metnet和另外两种常用的天气预测基准做比较，分别是noaa的hrrr系统，hrrr系统是美国目前正在使用的物理天气预报系统，另一种则是用来评估大气活动的光流法（optical flow），可有效地预测2小时内的降雨。
metnet明显的优势是优化了计算过程，无论是针对特定位置或是整个美国进行计算，都可以在几秒钟内取得预测结果，hrrr之类的物理模型，则需要在超级计算机上计算约1小时。在精确度上，在8小时内的降雨预测精确度，metnet可以胜过hrrr，而且始终比光流法还要好。不过，hrrr物理模型预测出来的结果，比metnet更清楚也更加结构化。
无人机ESC及其高速无传感器FOC参考设计
最新医疗成像技术 可辅助理解大脑运行
Kickstarter众筹：超低价Xilinx Spartan6入门开发套件
台积电2纳米制程或将领先对手三星及英特尔
M12传感器连接器航空电缆-母头 4 针直角
谷歌发布神经天气模型，可精准预测未来8小时降雨
华为5G在MWC前夕发音：砥砺前行，持续引领
2019世界VR产业大会释放重磅信号，5G+AI引爆XR发展
我国首个计算机软硬件基础PK体系标准正式发布
倡导“健康照明”，提高光品质及舒适性具有非常重要的现实意义
哈工现代与51CLOUD合作打造出了工业机器人在线监测平台
4K人工智能视觉处理芯片发布
小米手环3NFC限量版评测 到底值不值得买
喜报！联诚发荣获“2022高质量发展领军企业”荣誉称号！
UV胶水是什么，UV胶水的使用方法介绍
基于区块链3.0设计原则的YAO Network平台介绍
告别“自建房”，华为云ECS为企业提供更优选
基于Virtex-5器件中的嵌入式三态以太网MAC模块的功能集设计
紫光展锐：大破大立 做数字世界的生态承载者
一种防风固沙装置的数据采集显示功能设计
google基于之前以机器学习即时预测降雨的研究，进一步发展用于降雨预报的神经天气模型metnet，这是一个深度神经网络（dnn），能用来预报未来8小时内的降雨情况，以每2分钟为一个区间，分辨率可达1公里，且比起美国国家海洋与大气管理局（noaa）目前最先进物理模拟模型表现还要好，计算时间只需要几秒钟，较原本需要1小时的运算时间快上不少。
google提到，许多气象机构目前的预报系统，都是采用大气物理模型，虽然过去几年预测技术有很大的进展，但是仍受物理定律和计算需求局限。而google发展的天气预报方法，则是以深度神经网络进行预测，这种方法不需要计算明确的物理定律，而是通过发现资料中的模式，并且计算输入到输出之间的复杂转换。
新发布的metnet可以直接自动取用，来自多雷达多传感器系统（mrms），以及noaa静止环境观测卫星（goes）系统，由上而下的大气云图，而且不需要经人为注释，这两个人信息料源可以完全覆盖美国境内，并且提供模型能方便处理的类图像资料。
metnet以1公里的分辨率，计算每个覆盖美国的单位区块，而每单位区块范围为64*64平方公里，不过，google解释，输入资料实际覆盖的单位区块，比起输出资料的单位区块还要大得多，这是因为要考虑预测时间内云层和降水区域可能的移动。
假设云层以每小时60公里的速度移动，为了要足够精确地预测8小时后情况，metnet在所有方向都需要截取60*8的空间，因此要对64*64平方公里的区域进行预测，就要用到涵盖1024*1024平方公里区块的资料。
但因为处理1024*1024平方公里的资料需要极大量的内存，因此google利用采样的方式，减少需要处理的空间维度，借以降低内存使用，并且以15分钟为一个单位，对输入的资料进行快照编码，接着找出资料内长距离空间相依关系，以最终产生64*64平方公里的输出。这个输出为离散的几率分布，估计了美国每平方公里的降雨几率。
google将metnet和另外两种常用的天气预测基准做比较，分别是noaa的hrrr系统，hrrr系统是美国目前正在使用的物理天气预报系统，另一种则是用来评估大气活动的光流法（optical flow），可有效地预测2小时内的降雨。
metnet明显的优势是优化了计算过程，无论是针对特定位置或是整个美国进行计算，都可以在几秒钟内取得预测结果，hrrr之类的物理模型，则需要在超级计算机上计算约1小时。在精确度上，在8小时内的降雨预测精确度，metnet可以胜过hrrr，而且始终比光流法还要好。不过，hrrr物理模型预测出来的结果，比metnet更清楚也更加结构化。
无人机ESC及其高速无传感器FOC参考设计
最新医疗成像技术 可辅助理解大脑运行
Kickstarter众筹：超低价Xilinx Spartan6入门开发套件
台积电2纳米制程或将领先对手三星及英特尔
M12传感器连接器航空电缆-母头 4 针直角
谷歌发布神经天气模型，可精准预测未来8小时降雨
华为5G在MWC前夕发音：砥砺前行，持续引领
2019世界VR产业大会释放重磅信号，5G+AI引爆XR发展
我国首个计算机软硬件基础PK体系标准正式发布
倡导“健康照明”，提高光品质及舒适性具有非常重要的现实意义
哈工现代与51CLOUD合作打造出了工业机器人在线监测平台
4K人工智能视觉处理芯片发布
小米手环3NFC限量版评测 到底值不值得买
喜报！联诚发荣获“2022高质量发展领军企业”荣誉称号！
UV胶水是什么，UV胶水的使用方法介绍
基于区块链3.0设计原则的YAO Network平台介绍
告别“自建房”，华为云ECS为企业提供更优选
基于Virtex-5器件中的嵌入式三态以太网MAC模块的功能集设计
紫光展锐：大破大立 做数字世界的生态承载者
一种防风固沙装置的数据采集显示功能设计