酷应用

AI提前18个月预测厄尔尼诺自然灾害，已登Nature和Science

百家作者：机器之心 2019-09-19 15:09:11

机器之心报道

机器之心编辑部

人类在自然灾害面前总是渺小的，最近研究者利用深度卷积网络提前 18 个月预测出灾害的发生时间，该研究已经登上《Nature》。

可怕的厄尔尼诺每 2 到 7 年就会爆发一次，导致非洲南部出现干旱、南美野火肆虐以及北美太平洋海岸洪水泛滥，有效的厄尔尼诺预警能够减低经济损失。近日，韩国全南大学的一项研究表明，AI 也可以应用到厄尔尼诺的预测中，而且可以将预测时间提前到 18 个月。

论文：https://www.nature.com/articles/s41586-019-1559-7
代码：https://doi.org/10.5281/zenodo.3244463

这项研究可以帮助受厄尔尼诺威胁的地区提前做好干旱、洪水的防御工作，如选择种植何种作物。研究成果近日同时登上了《Nature》和《Science》期刊。

厄尔尼诺现象是指东太平洋海水每隔数年就会异常升温的现象，它通常在圣诞节前后发生，会造成巨大的损失。

之前的技术也能在一定程度上预测厄尔尼诺，但问题在于，它们依赖于较小的海水温度等相关因素数据集。其他预测使用的是气候模型，但很难得出长期预测所需的详细海洋数据。

韩国全南大学的这一模型提前 18 个月的预测准确率为 74%，虽然还不够完美，但也已经远远超过了现有方法，后者提前 18 个月的预测准确率仅为 56%。

论文提出的模型。CNN 模型包括一个输入层、三个卷积层、两个池化层和一个全连接层。最终输出预测结果。

这项新的研究用到了卷积神经网络。研究人员在全球历史海平面温度和深海温度图像上训练神经网络，学习这些图像与厄尔尼诺的对应关系。

具体而言，研究者使用 CNN 的原因是它在处理空间上的多维度数组信息时有很好的效果。论文中指出，CNN 能够将三维的预测区域和预测数值联系起来（即预测某一区域厄尔尼诺指标的值，以此判断灾害是否发生）。

在 CNN 模型中，研究人员使用在区域（东经 0°–360°，南纬 55°到北纬 60°）连续三个月异常的海平面温度（SST）和从海平面到 300 米深度内纵深的温度平均值作为输入，并使用 Nino3.4 指标（西经 170°–120°，南北纬 5°以内区域中反常的平均 SST 值）作为被预测的值，预测时间当前到两年后的情况。

由于厄尔尼诺历史数据较少，研究者使用一组优秀的气候变化模型来生成历史海洋温度图像。这样一来，研究人员不止可以向模型展示 1871 到 1973 年的历史数据，还能利用数千份由气候模型生成的模拟数据。

具体而言，研究人员使用了迁移学习，首先基于历史模拟数据训练了一个 CNN 网络，并使用 1871 到 1973 年的数据重新分析。