机器学习的原理及其在气候预测中的潜在应用

贺圣平,王会军,李华,赵家臻

① 南京信息工程大学 气象灾害教育部重点实验室/气象灾害预报预警与评估协同创新中心,江苏 南京 210044;② 卑尔根大学 地球物理研究所,挪威 卑尔根 5020;③ 中国科学院 大气物理研究所 竺可桢-南森国际研究中心,北京 100029;④ 中国科学院 气候变化研究中心,北京 100029

*联系人，E-mail:hshp@mail.iap.ac.cn

1956年,McCarthy et al.(1956)提出了人工智能的概念;三年之后,Samuel (1959)提出实现人工智能的方式——机器学习。随后,人工智能经历了两个腾飞的时代:即20世纪60到70年代和20世纪80年代。尽管如此,人工智能并未取得令人满意的成就,先后于20世纪70年代末、90年代初经历了两次“人工智能寒冬”。尽管人工智能的发展起伏跌宕,作为人工智能的一个分支和实现人工智能的一个途径,机器学习(尤其是算法的更新)的发展却从未间断,逐渐发展成一门涉及概率论、统计学、逼近论等的交叉学科。近年来,随着计算机硬件设施性能的显著提升、研究数据的大量增长且存储成本的大幅降低以及算法的明显改进,机器学习尤其是深度学习再次进入大众的视野并取得了一系列的成功。一些经过大量数据训练的机器模型能够对新数据做出精准的预测,如自动驾驶、图像识别、语音识别等都是机器学习的成功应用(Huntingford et al.,2019)。

人类一直致力于理解并预测世界的变化,其中最成功的例子就是数值天气预报,如今其对北半球500 hPa位势高度场3～5 d的预报技巧已高达90%以上(Bauer et al.,2015)。然而,季节尺度上的气候预测以及更长时间尺度的气候预估,依然是巨大的挑战(Hantson et al.,2016)。……