在中国科学院院士、北京大学副校长、北京大学重庆大数据研究院首席科学家张平文领衔下，该院研究团队参与了国家重点研发操持“科技冬奥”重点专项项目“冬奥赛场定点气候要素客不雅观预报技能研究及运用”课题研究，开拓出人工智能MOML算法赋能景象预报模型，使预报更精准。

比较夏奥，冬奥会的举行受景象影响更大。
其气候保障是冬季繁芜地形条件下的中小尺度边界层气候问题，为了让奥运健儿在赛场上有良好发挥，每每对预报的风雅度哀求更高，乃至达到百米级、分钟级，这一贯是国际气候界的难点。

“我们的研究是通过人工智能算法，对景象预报模式的结果进行订正，让其更精准。
”张烺是北京大学重庆大数据研究院智能会商与人工智能景象预报实验室的博士，她先容，气候业务中会产生海量的气候数据，目前环球广泛采取的数值景象预报模式，是通过大型打算机作数值打算，用物理方程表达景象演化的物理过程，从而预测一段韶光内大气运动状态和气象。
环球数值景象预报能力不断提高，基本上可以办理大部分区域的大尺度预报问题，但针对小尺度、风雅化的预报需求，数值打算存在偏差，预报员还须要通过会商给出预报结论。

以往会商对预报员依赖度很高，须要综合各方数据并结合自身履历对模式输出数据偏差进行订正。
而人工智能算法在领悟、处理信息中的先天上风，它在一定程度上可以代替预报员在会商中整合、剖析信息的过程，通过数据挖掘、学习，将预报员的履历内化在算法中，实现智能、高效的预报。
由张平文院士领衔的研究团队开拓出预报员的人工智能算法MOML，实现了智能订正，提高了预报效率的同时进一步提高预报的准确率。

“对付模式输出数据偏差的订正方法，国内外均开展了广泛研究。
”张烺先容，如以前采取的MOS方法，紧张针对单站进行订正，如果想得到较空想的订正结果，须要人工进行参数调度，准确率提高有限，而通过人工智能算法，可以实现对格点进行预报。
目前，MOML算法在温度、湿度、风速、风向等景象要素上已取得打破，不仅可以很好地赞助预报员，大幅减少预报员的事情量，比较常规方法来说，它将预报的准确性提高了10%以上。

据理解，北京冬奥会已经实现了气候短时附近预报“百米级尺度、分钟级更新”，可快速天生覆盖冬奥山地赛场的100米分辨率、逐10分钟更新的网格化温、湿、风、降水等景象要素客不雅观剖析以及0到12小时预报产品。

张烺表示，除了做事冬奥会，他们团队也正在对MOML算法在气候预报中的运用进行进一步研究，针对重庆更加繁芜的山地环境，他们正在与重庆市气候局互助，让干系研究成果在重庆运用。
（ 雍 黎）

来源： 科技日报