これに先立ち、短期的な気象イベントを予測することは、より困難な課題でした。大気の動態、海洋の影響、熱放射などの過程を記録する数値的手法は、計算資源のために限られるものとなっていった。例えば、米国海洋大気局(NOAA)のような巨人でさえ、1日あたり約100テラバイトのデータを収集します。
数値法も、1回の予測を計算するのに数時間かかるため、遅くなります。より一般的なシナリオでは、専門家は6時間後に予測を通勤し、1日3〜4回の実行と6時間以上の予測データに導きます。
同様の問題に取り組むことで、検索大手は、交通ルーティング、物流、避難計画などの重要な即時意思決定に関しては、人々を助けたいと考えています。
その方法では、Googleはレーダーデータを使用し、コンピュータビジョンの問題として天気予報に対処することを計画しています。それに取り組んでいるチームは、大気の動作方法に関する以前の知識を含めずに、実際の例で大気物理学について学ぶニューラルネットワークを設定しました。
システムが生成できる予測の種類に関連する例の1つでは、過去1時間を通して一連のレーダー画像が現在からN時間のレーダー画像を予測するために使用され、Nは基本的に0〜6時間の範囲です。
Googleの機械学習による雨予報法は、これまでに使用されてきた3つの一般的な予測モデルのすべてを上回っていることは間違いありません。出てくる予測は瞬時に出てくるため、予測は短期的には新しいデータに基づいていることになります。
Googleはまた、HRRRが3D物理モデルと一緒に行くので、長期的な予測をより良くすることを目指して、高解像度ラピッドリフレッシュ(HRRR)と一緒にシステムに参加することを楽しみにしています。
写真: ゲッティイメージズ経由400tmax
