视界：ECMWF的AI和机器学习

meteorology/view
目录

声明

本文正文内容翻译自 ECMWF Newsletter Number 163 - Spring 2020 中 Peter Dueben 的文章《AI and machine learning at ECMWF》，版权归原作者所有。 翻译底稿来自 Google 翻译。

正文

ECMWF 当前正在大力支持人工智能和机器学习的应用，并鉴定此类应用如何改善中心的数值天气预报。 ECMWF 科学家每天使用的许多标准方法可以视为机器学习的示例。 但是，最近涌现出很多新方法，可能有潜力变革业务天气预报中心的工作。 这些方法包括使用深度神经网络，该网络可以从数据中学习复杂非线性系统的动态性。

ECMWF 的机器学习现状

2020 年 1 月，ECMWF 召开一个内部研讨会，科学家和分析师展示与机器学习相关的项目。 此次会议旨在创造协作氛围，并加强使用或研究机器学习方法的科学家之间的交流。 这使 ECMWF 能有效地传播相关信息，包括即将到来的科学会议，训练机会，应用需求，以及 ECMWF 为机器学习应用准备的软硬件基础设施。 研讨会显示，ECMWF 大约有 25 个项目正在（或计划）以不同的方式使用机器学习。 正如图片中所展示的，应用分布在数值天气预报的整个工作流中。

示例包括：

  1. 卫星观测偏差订正
  2. 学习资料同化的模型误差
  3. 模拟模式组件以提高预报模式的计算效率
  4. 模式输出的局地降尺度，以改善预报效果
  5. IT 基础设施的监控

应用的进展区别很大，从规划阶段的研究项目，例如再分析产品的监测和评估，一直到已在提供业务环境中提供的产品。 后者包括用于全球概率降水预报的 ecPoint 工具，以及从 SMOS 卫星检索观测数据同化土壤水分的工具。 此外，还与外部合作伙伴进行了一些涉及机器学习研究的积极协作。

应用领域。机器学习的潜在应用领域分布在数值天气预报的整个工作流程中。

下一步计划

未来，由 ECMWF 和 EUMETSAT 联合开发的 European Weather Cloud 很可能将在机器学习工具开发方面扮演非常关键的角色。 对于 ECMWF 和成员国开展的工作也是如此。 拥有 Cloud 计算资源访问权限的研究人员可以很容易从数据归档中加载训练数据，并使用标准机器学习工具，类似 TensorFlow 和 Jupyter Notebooks。 这些工具与在 ECMWF 高性能计算机环境中使用的传统工具有很大的区别，它们通常更适应云计算环境。 当前，ECMWF 正在计划 European Weather Cloud 进行硬件升级，为现有基础架构添加足够的 GPU 资源，以支持机器学习应用程序的训练。

此外，ECMWF 和欧航局（ESA）正在组织一个联合研讨会“Machine Learning for Earth System Observation and Prediction”，将在 2020 年 10 月 5 日至 8 日在 ECMWF 举办。 ECMWF 也正在组织关于关于机器学习的专题研讨，从 2020 年 4 月开始，并将于今年春季为 ECMWF 员工提供第一门有关机器学习的（虚拟）培训课程。

有用的链接

ECMWF/ESA 联合研讨会 “Machine Learning for Earth System Observation and Prediction”，2020 年 10 月 5 - 8 日:

https://www.ecmwf.int/en/learning/workshops/ecmwf-esa-workshop-machine-learning-earth-system-observation-and-prediction

ECMWF 2019 年 11 月举办的“1st Artificial Intelligence for Copernicus Workshop” 录像

https://climate.copernicus.eu/1st-artificial-intelligence-copernicus-workshop

Peter Duben 在 EMCWF 2019 年 12 月委员会上主持的关于天气预报中机器学习的未来的演讲:

https://www.ecmwf.int/en/about/media-centre/news/2019/what-next-machine-learning-weather-forecasting

2020 年 4 月开始的关于机器学习的专题研讨

https://www.ecmwf.int/en/learning/workshops/machine-learning-seminar-series

思考

从去年下半年关注 ECMWF 官网以来，明显感觉 ECMWF 正在加速布局人工智能和机器学习的领域。 气象局也同样在持续关注机器学习。 气科院去年新组建人工智能研究院，今年信息中心和气科院等直属单位也明确将构建机器学习数据集写入到考核目标中，我们单位当然也有机器学习相关的任务。

从现有的工作入手，寻找进入机器学习领域的切入点，是一个很好的开始。 虽然我们部门不负责 IT 基础设施的监控，但是我们负责实际业务系统的建设和监控。 可以获取业务系统的相关运行信息并进行分析。

另外在数据方面，最近一个月我基本完成一套本地数据查找和要素提取的工具，可以形成简易的数据集。 接下来可以寻找一篇算法比较简单的文章，实际实现一个与数据相关的机器学习算法，看看神奇的机器学习到底是什么样子的。

参考

《视界：机器学习会替代现有的天气预报模式么？》