据科技日报报导，日本海洋研究机构和九州大学的研究小组利用人工智能深度自学技术，研发了从全球云系统分辨率模型（NICAM）气候实验数据中高精度辨识热带低气压征兆云的方法。该方法可辨识出有夏季西北太平洋热带低气压再次发生一周前的征兆。研究成果于近期公开发表在日本《地球与行星科学的进展》杂志网络版。

预测台风和飓风等热带低气压的再次发生，一般是通过卫星观测和监控云的演进过程，对观测数据展开气象模型模拟。但大气现象非线性极强，有所不同的气象模型预测的未来气象结果不会经常出现十分大的偏差。近年来人工智能技术飞速发展，可根据大数据中的特定类型展开深度自学，检测特定现象，从而应用于具备不确定性的气象领域。

利用深度自学取得更高的辨识精度，对每一种气象类型都必须多达数千张图片的大量数据。研究小组首先利用热带低气压追踪算法，将全球云系统分辨率模型20年累积的气候实验数据，做成5万张热带低气压初始云及演进中的热带低气压云图片，再行再加100万张并未演变热带低气压的低气压云图片，共105万张图片构成10两组自学数据，利用深度卷积神经网络的机器学习，分解有所不同特征的10种识别器，然后构筑出可对10种识别器结果展开综合评价的子集识别器。该方法还可对台风路径和强度展开预测，并预测暴雨的再次发生。

今后研究小组将以深度自学为代表的人工智能技术融合数据驱动方法和模型驱动方法，积极开展新的海洋地球大数据分析。

本文来源：澳尼斯人娱乐官方网站-www.theprimaryfield.com