实验室在全国智能气候预测技术竞赛中取得佳绩

作者：张蓝心

中国气象局举办的第八届全国气象行业天气预报职业技能竞赛智能气候预测技术单项比赛结果近日揭晓，我室由容逸能领衔，成员包括马继望、赵宇慧、张殷宸、付冠琦、郭子彧、何蔚邦、张蓝心、李渊、马伟翔、杨洋、徐芬等人的参赛团队战胜一众资深团队，进入决赛的最后答辩环节，并获院校部队组（降水）优秀奖。

图1 团队组成

该团队成员平均年龄不到30岁，分别来自高校、气象局、企业等多个行业，研究方向涵盖了大气、海洋、计算机等多个领域。团队凭借先进的理论基础和较高的团队协作能力，在历时四个月的激烈比赛中实现了预报模型从无到有的建立，并根据每月的预报结果不断改进，最终形成了基于梁氏信息流的因果人工智能预报模型。

由于团队成员均未有次月降水的预报经验，该模型在比赛初期的预报中表现不尽如意，随着比赛进行，团队通过根据领域知识增删关键因子、调整动力约束等方法，使模型的预报能力不断提升，并在最后一个月的预报中达到最优。主办方给出的三项评分中，因果人工智能降水预报模型在代表空间相关性的ACC和反映空间组织化的MSSS两项都优于传统模式。这表明该模型在预报有序的气候模态上有相当优势。此外，模型在气象预报应用中的两大难题——转折性天气预报和极端事件预报中也有较好表现。

图2 因果人工智能降水预报模型对2022年极端干旱事件的预报

图3 因果人工智能对台风突然转折路径的预报（左）和对El Niño Modoki的预报（右）

该模型的成功建立离不开梁氏信息流理论的强大支撑。一直以来，如何将机器学习与物理机理相联系是机器学习在气象、海洋等流体力学领域应用的一个瓶颈，梁氏信息流理论使得我们可以通过重构数据的因果关系来估计动力系统结构，进而突破机器学习在实际应用中的瓶颈。不同于基于统计关系的因果推断工具，基于信息流的因果分析是定量的，是梁湘三教授从第一性原理出发，经过严格推导得来的，故而由其所推断的因果有准确性与普适性的保障。这意味着基于信息流的因果人工智能可以在重构的因果图中体现物理机制，这使得该模型预报结果具有可解释性，准确性也便得以保证。

除本次参赛建立的降水预报模型外，团队成员还成功将因果人工智能方法应用于台风突然转折的路径、海表高度以及厄尔尼诺的预报中，并在预报效果上取得了显著的进步。相应成果已在主流期刊发表，另有部分成果申请了专利。因果人工智能降水预报模型在本次比赛中的优异表现进一步证明了因果人工智能在实际应用方面的优越性，有广阔的发展前景。此外，降水预报模型在一定程度上优于CMA数值模式模型，可为实际业务预报工作提供参考。

图4 国家气候中心公示获奖结果