利用物理机器学习改进飓风建模
飓风或热带气旋可能是毁灭性的自然灾害，可以夷平整座城市并夺去数百或数千人的生命。其破坏力的一个关键方面是其不可预测性。飓风是一种复杂的天气现象，很难估计其强度或登陆地点。在《流体物理学》上发表的一篇论文中，香港城市大学的一对研究人员利用机器学习来更准确地模拟热带气旋的边界层风场。
在大气科学中，大气边界层是距离地球表面最近的区域。
“我们人类生活在这个边界层中，因此了解和准确建模它对于风暴预报和灾害防备至关重要，”作者李秋生说。
然而，由于边界层中的空气与陆地、海洋和地表上的其他一切物质相互作用，因此对其进行建模尤其具有挑战性。传统的风暴预报方法涉及在超级计算机上运行大型数值模拟，并结合大量观测数据，但它们仍然经常导致不准确或不完整的预测。
相比之下，作者的机器学习算法配备了大气物理方程，可以更快地使用更少的数据产生更准确的结果。
“与传统的数值模型不同，我们的模型采用了先进的物理机器学习框架，”作者冯胡说。“我们的模型只需要少量的真实数据就可以捕捉热带气旋风场的复杂行为。该模型的灵活性和整合稀疏观测数据的能力使重建更加准确和逼真。”
重建热带气旋的风场可以提供宝贵的数据，专家可以利用这些数据来确定风暴的严重程度。
李说：“热带气旋的风场包含了风暴强度、结构以及对沿海地区的潜在影响的信息。”
通过更详细地了解风场的情况，灾难管理部门可以在风暴登陆前更好地做好准备。
胡教授表示： “由于气候变化，飓风更加频繁、强度更大，我们的模型可以显著提高风场预测的准确性。这一进步有助于完善天气预报和风险评估，及时发出警报，增强沿海社区和基础设施的恢复能力。”
作者计划继续开发他们的模型并用它来研究不同类型的风暴。
胡说：“我们计划纳入更多的观测数据源，提高模型处理风随时间演变的能力。”
“我们还计划将该应用扩展到全球更多的风暴事件，并将模型整合到实时预报系统中，以增强其在天气预报和风险管理中的实用性。”
页:
[1]