AI 天气预报，一秒预测未来1.5小时天气

短时天气预报

这次天气预报是由一个强有力的数值天气预报(NWP)系统驱动。NWP通过解出物理方程，可以提前几天获得地球尺度上的预报。但是，它们在两个小时内难以做出高分辨率的预测。

实时预测可以填补这一关键时间间隔内的绩效缺口。天气感测的进展使高分辨率雷达可提供高频使用(以1公里分辨率每5分钟一次)提供已测得的地面降水数据。

因此，DeepMind小组开发的条件生成模型DGMR是一种观测驱动的概率预测方法。并更加关注未来5-90分钟的即时预报。

DGMR是一种学习数据的概率分布统计模型，它能很容易地根据学习的分布产生样本。该方法从本质上讲是概率生成的，因此可以在一定的历史雷达条件分布下模拟多个样本，从而产生预测集。另外，DGMR不仅可以从观测资料中学习，而且可以表示多个时空尺度的不确定性。

实时预测生成模式

DeepMind利用生成模型的方法，根据过去的雷达，对未来的雷达进行详细而可靠的预测。利用这种方法，研究人员不仅能精确地捕捉大范围的降雨量情况，而且还能产生多个可供选择的降雨量场景(称为集合预测)，从而对降雨量的不确定性进行探讨。

DeepMind的模型非常擅长对暴雨事件的预测，与其它竞争方法相比有明显的改进。

DeepMind研究小组与来自英国气象局(MetOffice)的50多名气象专家进行了一次认知评估，将基于DGMR的新方法与其它类似方法进行了比较。

试验结果表明，DGMR对降水、环流结构和强度的预测与目标雷达资料最接近。

雷达怎样预报天气？

DeepMind用DGM训练了2016-2018年期间英国雷达记录的降水量数据集。一旦训练结束，它就能在一秒内提供预测结果，并运行于一个NVIDIAV100GPU。

山东济南汉码未来了解到，它是一个DGMR类GAN的深层生成网络，在给定的时刻T使用雷达为基础的地面降水量估算，根据过去M个雷达场对未来N个雷达场进行预测：

此项研究将应用于降雨预报条件产生对抗网络(GAN)的算法框架中。在此背景下，四次连续的雷达观测数据(前20分钟)被用来作为背景，采集未来降水的多种实现情况，每一实现都是18帧(90分钟)。

再次利用空间判别器、时间判别器、正则项来调整参数。

DeepMind的研究者们认为，这是一个激动人心的研究领域，他们希望在新的工作中提供数据和验证方法，从而能够提供具有竞争力的验证和运营效用。