集中计算能力以实现更准确有效的天气预报

他们说，如果您不喜欢天气，请稍等。但是等待的时间可能取决于您的位置-与其他地区相比，某些地理区域的天气变化更快，更剧烈，这可能意味着当前的天气预报模型可能很慢且效率低下。

现在，宾夕法尼亚州立大学的研究人员正在使用人工智能来查明那些瞬息万变的天气区域，以帮助气象学家在不浪费宝贵的计算能力的情况下得出更准确的天气预报。

在一项研究中，研究人员使用了基于自然选择的AI模型来查找大陆上温度变化难以预测和变化的区域，以便可以将计算资源集中在那里，而不是天气不太适合的地方改变。所得的温度预测算法等于或优于当前模型，但使用的计算能力较小。

宾夕法尼亚州立大学地理学，气象学和大气科学教授Guido Cervone表示，该研究为宾夕法尼亚州立大学的研究人员提供了超级计算资源的访问权限，并且是Cyber​​Science Institute的副研究员兼副主任。短期预报，这是气象学中最棘手的问题之一。

Cervone说：“我们的方法有助于将可用的计算资源集中到难以预测的领域，从而有助于产生更好的短期预测。” 数值天气预报是计算上最苛刻的问题之一，其在社会上的应用意义深远。”

地理学博士生胡维明说，目前的天气图在被分成一个简单的网格，网格约有200,000个网格点。当天气预报员使用计算机分析这些地区的天气模式时，计算能力会平均分布在这些网格点之间，每个网格点的直径大约为11公里或7英里。胡说，虽然这听起来像是常识，但该地图并未反映天气预报的计算现实。地形，海拔，水的接近性以及众多其他因素可能会破坏天气模式，从而使某些地区的预测更加困难。

“如果考虑到爱荷华州，可以说，与其他地方相比，它在几十公里的天气状况中很少经历巨大的变化，因为地形相对简单，您可以使用一些非常简单的插值法或估算法得出您将对未来的温度有一些好的想法。” “但是，在落基山脉，您可以从平原到仅几公里的山峰，当您尝试预测天气状况时，这会发生巨大变化。我们要解决的问题是如何计算找出哪些更重要或更有趣的区域，我们需要对该特定区域进行更高分辨率或更准确的天气预报。”