近日,美国气象学会(American Meteorological Society,简称“AMS”)第100届年会在美国马萨诸塞州首府波士顿召开。作为全球最大的天气、水文和气候交流大会,本次年会吸引了来自世界几十个国家的上千名科学家参会,共同探讨大气科学的发展与应用。作为全球大气相关学科的专业和科学组织,每年美国气象学会的年会也被誉为世界气象科学发展的“风向标”。而作为国内交通安全管理智能化解决方案的领军企业,眼控科技人工智能研究院气象研究团队共有3篇论文被接收,其中Oral两篇,Poster一篇,让世界见证了眼控科技在气象领域研究技术积累的“厚度”,在大会现场也能切身感受到眼控科技AI+气象行业应用落地的“广度”。

Oral 论文 1:

《A New Long-Term Radar Reflectivity Nowcasting Method Based On DeepRNN》

论文指出,对流临近预报长期以来存在精准度低和时效性差等问题,单纯依靠数值模式难以从根本上解决。而眼控使用DeepRNN网络模型通过引入多层convLSTM和金字塔结构,尝试在不同尺度上进行时空预测,同时在预测阶段加入光流信息增强对对流天气运动方向和速度信息的捕捉能力。为了生成的外推预测直观上更加真实,网络采用了GAN的训练思路,对生成图片的真实性和连续性进行了进一步加强。眼控科技通过AI技术与传统数值模式的融合,实现了技术突破,解决了对流临近预报的精准度和及时性问题。

Oral 论文 2:

《Multi-Prior LSTM(mpLSTM): Predicting Visibility With Uncertainties From The Complex Background States》

能见度预测是当前业务中的一个难点问题,预测的准确度和时间分辨率均难以满足实际需求。眼控针对能见度预测提出了一种新的解决方案,构建了基于深度学习框架的能见度预测神经网络结构,将创新高效的时序预测技术引入能见度预测,大大提高预测准确度和时间分辨率。该论文设计的神经网络主要有五个模块组成:卷积模块、输入注意力编码器、时序注意力解码器、自回归模块、求和模块,通过机器学习与传统预测技术的结合,有效解决能见度预测问题。

Poster 论文:

《Super Resolution Forecast: A New Method On Fined Resolution Downscaling》

Poster论文指出,一般而言,全球模式(如GFS模式)的空间分辨率为几十公里,如需刻画细致的区域特征,通常需借助区域数值模式继续降尺度。但这一过程需要利用大型计算机设备辅助完成,且耗时较长。眼控气象研究团队以超分辨率神经网络为基础,根据不同的数据类型调整网络结构,针对某一区域,用深度学习拟合数值预报降尺度的整个过程,成功地将降尺度数值预报模式从几个小时缩短到生成单一维度数据仅需不到1秒,大大降低了所需算力资源,使得AI技术替代传统模式降尺度已成为可能。

眼控科技在国际各大领域顶级会议上不断取得傲人成绩,离不开眼控深厚的技术沉淀。眼控凭借创新的AI技术实现气象领域的深度赋能,不断探索和突破气象领域的核心痛点及难点。未来,眼控科技将持续探索智慧气象领域,依托坚实的AI创新技术,深度赋能社会各行业,引领中国智慧气象快速发展。