在国内,能够精细预测包括极端强降水在内的多种气象状况的系统已经被开发出来。预计这项技术将有助于提升实时灾害响应和气象预警体系的高度化水平。


韩国研究财团表示,首尔大学数学科学系 Hong Youngjun 教授团队开发出一种结合局地时空注意(Attention)机制和新型上采样结构的“超短期降水预报”人工智能(AI)模型,并于17日予以公布。


利用“超短期降水预报”人工智能模型进行降水预测的流程图。韩国研究财团提供

利用“超短期降水预报”人工智能模型进行降水预测的流程图。韩国研究财团提供

View original image

通常,全球降水预报模型因计算量巨大,在实时响应方面存在局限。此外,韩国的地形特性也一直是精细预测局地性降水模式的一大难题。


为此,研究团队通过应用数学方法设计AI结构,从而克服了既有问题。团队引入了在雷达图像中将计算资源集中分配给急剧变化的降水模式的“局地注意机制”,在准确复原1至6小时内引发超短期暴雨的微小信息的同时,将不必要的计算降至最低,从而最大化效率,这一点发挥了关键作用。


为验证所开发模型的实用性,研究团队利用美国、法国及韩国气象厅的实测观测资料进行性能评估,结果同样十分显著。与近期的全球模型相比,该模型展现出更高的准确度,尤其是在韩国极端强降水情景下,计算效率提高了20倍以上,预报精度也得到显著改善。


Hong Youngjun 教授。韩国研究财团提供

Hong Youngjun 教授。韩国研究财团提供

View original image

在实际应用中,将该模型用于2023年暴雨案例时,模型事先捕捉到了高风险可能性较大的情景。这一结果被评价为证明了韩国型超短期降水预报模型能够提前预测极端强降水,从而实现早期预警和先发制人的灾害应对。


Hong 教授表示:“本次研究以数学上的严谨性为基础,突破了人工智能‘黑箱’的局限,构建出在极端气象条件下也能稳定运行的模型,具有重要意义。”他还表示:“希望本研究团队开发的技术能够整合进实际防灾系统,在保障市民安全方面发挥重要作用。”



另一方面,本次研究成果(论文)已被人工智能领域国际学术会议“ICLR 2026”录用,预计将于下月发表。国际学习表征会议(International Conference on Learning Representations,ICLR)是人工智能领域全球三大学术会议之一,在应用谷歌学术的学术期刊影响力指标(h5-index)进行评估时,其在整个科学技术领域中位居最顶尖行列,拥有压倒性的引用次数和学术影响力。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。