【预测天气】使用深度学习改进天气预报的进展和挑战，60页ppt，Progress and challenges for the use of deep learning to improve weather forecasts，Peter Dueben

题目

使用深度学习改进天气预报的进展和挑战，60页ppt，Progress and challenges for the use of deep learning to improve weather forecasts，Peter Dueben

关键字

深度学习，预测，天气预报，人工智能

简介

天气预报中机器学习的未来前景

• 在质量控制和自动报警系统中使用案例 气象数据监视，模型和数据同化系统，观测数据的实时质量控制，解释异常并提供指导 质量分配和决策
• 在数据同化和观察中使用案例 导出有关控制微分方程，非线性偏差校正，偏差预测变量，运算符，定义光学的信息 水气溶胶和气溶胶的特性
• 在数值建模中使用案例 模拟模型组件，开发改进的参数化方案，提供更好的误差模型，学习模型的基本方程 运动，从机器学习模拟器生成正切线性或伴随代码）
• 在后处理和产品生成中使用案例 预测产品的实时调整，特征检测，不确定性量化，季节性预测的误差校正， 低复杂度模型的开发，大量商机
• 在HPC基础架构和数据处理中的用例 数据的不同使用，数据挖掘和数据融合； 更多/更大的数据请求； 需要使用深度学习硬件； 内的用户产品预测模型
• 在质量控制和自动警报系统中的用例 气象数据监视，模型和数据同化系统，观测数据的实时质量控制，解释异常并提供指导 质量分配和决策
• 在数据同化和观察中使用案例 导出有关控制微分方程，非线性偏差校正，偏差预测变量，运算符，定义光学的信息 水气溶胶和气溶胶的特性
• 在数值建模中使用案例 模拟模型组件，开发改进的参数化方案，提供更好的误差模型，学习模型的基本方程 运动，从机器学习模拟器生成正切线性或伴随代码）
• 在后处理和产品生成中使用案例 预测产品的实时调整，特征检测，不确定性量化，季节性预测的误差校正， 低复杂度模型的开发，大量商机
• 在HPC基础架构和数据处理中的用例 数据的不同使用，数据挖掘和数据融合；更多/更大的数据请求；需要使用深度学习硬件；内的用户产品预测模型

作者

Peter Dueben ，欧洲中距离天气预报中心（ECMWF）皇家学会大学研究员