乡下人产国偷v产偷v自拍,国产午夜片在线观看,婷婷成人亚洲综合国产麻豆,久久综合给合久久狠狠狠9

  • <output id="e9wm2"></output>
    <s id="e9wm2"><nobr id="e9wm2"><ins id="e9wm2"></ins></nobr></s>

    • 分享

      準(zhǔn)確預(yù)報(bào)天氣?看這里!| 沙龍分享

       長沙7喜 2016-06-14
      本期嘉賓
      苑明理
       
      彩云天氣工程師
      中文維基百科管理員

      編者推薦
      天氣預(yù)報(bào)錯報(bào)和誤報(bào),人們早已司空見慣,次數(shù)多了,也就不足為奇。盡管公眾對于天氣預(yù)報(bào)準(zhǔn)確性的容忍度極高,但在彩云天氣團(tuán)隊(duì)看來,天氣預(yù)報(bào)的準(zhǔn)確性還可以不斷提高。精確到分鐘的天氣預(yù)報(bào)?彩云天氣可以做到。
       
      本期沙龍我們邀請了彩云天氣工程師苑明理為我們講述預(yù)報(bào)天氣的新視角:如何用精巧的算法預(yù)報(bào)天氣。

      1
      未來的天氣,算出來


      用計(jì)算機(jī)看天氣
      彩云天氣的故事要從北京師范大學(xué)的副教授張江老師說起,他在讀博期間發(fā)展了一個叫“集智俱樂部”的線下組織。在這個組織里,有各種各樣有意思、有想法的人,他們的靈感相互碰撞。
       
      集智俱樂部最有意義的活動是它的讀書會。這其中有一個讀書會特別值得關(guān)注,它就是彩云天氣故事發(fā)生的緣起。(https://www.douban.com/event/19029525/ 豆瓣同城:腦與deep learning讀書會)

      2013年,DeepLearning 剛剛火起來,讀書會便快速跟進(jìn)。十幾個年輕人做了廣泛的探討。

      在這個過程中,故事的主角袁行遠(yuǎn)提出一個想法:是否可以把深度神經(jīng)網(wǎng)絡(luò)的技術(shù)應(yīng)用到天氣領(lǐng)域?


      氣象愛好者通常會有一個愛好——自己看氣象雷達(dá)圖來判斷天氣情況,袁行遠(yuǎn)就是這樣一個氣象愛好者。那時,袁行遠(yuǎn)就想到——既然人能夠根據(jù)這些云圖判斷出天氣的變化,能否讓計(jì)算機(jī)也來做這件事情呢?

      經(jīng)過了無數(shù)的嘗試、失敗,最后袁行遠(yuǎn)找到了一些技術(shù)上的方法。這些方法能夠順利地讓計(jì)算機(jī)推測出云的移動,并獲得天氣預(yù)報(bào)信息——這就成了彩云天氣的開始。

      用AI重新解決傳統(tǒng)問題

      如果你生活在海邊,可能會看到上圖這種壯觀的情景:水汽從海里蒸發(fā),在上升過程中經(jīng)過冷卻形成降雨。


      傳統(tǒng)觀測降雨的技術(shù)手段是氣象雷達(dá),我國目前部署了幾百臺這樣的氣象雷達(dá)。

      氣象雷達(dá)觀測到的是一幀一幀的雷達(dá)圖

      可以看到這幅圖中,黃色部分隨時間在逐漸移動,它反映的是降雨帶的移動。雷達(dá)圖的應(yīng)用有幾種形式:一種是氣象預(yù)報(bào)員根據(jù)雷達(dá)圖的觀測進(jìn)行人工判斷——降雨什么時候到達(dá)本地的城市;另一種就是把它送到超級計(jì)算機(jī)里面,并用稱為“模式”的數(shù)學(xué)模型來做一個更細(xì)致的天氣預(yù)報(bào)。

      “模式”的原理示意圖

      可以看到,整個地球被劃分成了很多網(wǎng)格,而每個網(wǎng)格上有大氣的若干狀態(tài)。它根據(jù)物理的方程來導(dǎo)算出下一步大氣演化過程,從而給出天氣預(yù)報(bào)。


      這種方法需要巨大的計(jì)算資源,因而一般做數(shù)據(jù)天氣預(yù)報(bào)需要超級計(jì)算機(jī)。

      所以,不論是氣象預(yù)報(bào)員根據(jù)雷達(dá)圖做出人工預(yù)報(bào)(這種預(yù)報(bào)無法更廣泛地送達(dá)給所有人),還是數(shù)值天氣預(yù)報(bào)(需要極其龐大的數(shù)據(jù)資源),這兩種方法都面臨著困難。


      后來有人發(fā)展出一種簡化思路,即通過分析雷達(dá)圖的云的移動來預(yù)報(bào)天氣。但是,這種方法的準(zhǔn)確率不夠高。在香港有這樣的預(yù)報(bào)系統(tǒng),根據(jù)統(tǒng)計(jì),它們的準(zhǔn)確率只有70%左右。


      彩云天氣則結(jié)合了雨云移動的物理學(xué)方法,同時把深度學(xué)習(xí)應(yīng)用到云的生長和消散上,從而能給出一個準(zhǔn)確的預(yù)報(bào)結(jié)果。

      用獨(dú)特算法簡化問題
      彩云天氣通過獨(dú)特的算法來預(yù)報(bào)天氣,這個算法是把三維的問題降為二維,可以大大降低計(jì)算量。


      這個圖里雨的形成過程在三維空間中展開,風(fēng)把蒸汽往上空帶,在上升過程中冷卻形成降水。而凡是用數(shù)值天氣預(yù)報(bào)求解的思路基本都是模擬三維環(huán)境,這個計(jì)算量就非常大,這個計(jì)算就需要超級計(jì)算機(jī)來做。


      如果仔細(xì)觀察上圖雷達(dá)圖的變化,你會發(fā)現(xiàn)降雨的移動完全是可以簡化到二維空間上來進(jìn)行的。此時,我們只要單純地估計(jì)二維空間上的圓是如何移動的,就能預(yù)報(bào)某一個地方某一時間段的天氣。

      這個方法已經(jīng)有人嘗試了,但是他們沒有把這個預(yù)報(bào)準(zhǔn)確率做的特別高。而我們的特色就在于把深度學(xué)習(xí)的技術(shù)和這個思路結(jié)合起來,最后就能很好的解決傳統(tǒng)方法解決不了的問題,而且計(jì)算量還能保持較小,這就是我們獨(dú)特的地方。
       
      總結(jié)來說的話有兩點(diǎn),一個是把問題從三維簡化到二維,第二是一個精巧的算法。

      2

      人人都是氣象站


      以上是兩幅很有意思的圖,一幅是幾十年前大家在火車上看報(bào)紙,另一幅則是人們在地鐵上看手機(jī)。

      那么,不同的媒體形式會對天氣預(yù)報(bào)有影響嗎?


      上圖是傳統(tǒng)的天氣預(yù)報(bào)員在電視上講解天氣變化的過程??梢钥吹?,他是通過中心的媒介傳遞給大眾。因此,他的內(nèi)容只能傳遞同一份信息——也就是說,他提供的天氣預(yù)報(bào)只能是一個城市而不是一個精確的地點(diǎn);同時,時間上也是靜態(tài)的,可能只是一天的整體趨勢。


      如今我們生活在智能手機(jī)普及的時代,每一部手機(jī)都可以隨時精確地記錄你所在的位置,并發(fā)送相關(guān)信息給服務(wù)商。這樣,服務(wù)商就有可能做出一個完全個性化的天氣預(yù)報(bào)了。

      除了個性化的天氣預(yù)報(bào),用戶還能體驗(yàn)到一定的交互功能。通過手機(jī),用戶可以把本地的天氣實(shí)況回報(bào)給廠商,于是廠商(比如彩云天氣)就能在這個基礎(chǔ)上來修正,從而預(yù)報(bào)更精準(zhǔn)的天氣信息。

      手機(jī)相當(dāng)于一個“小氣象站”,收集了大量的個性化數(shù)據(jù)。它收集的數(shù)據(jù)不是個性的數(shù)據(jù),是一個共享的環(huán)境數(shù)據(jù),我們對它的處理是將這些不規(guī)則格點(diǎn)的數(shù)據(jù),想辦法整理到規(guī)則格點(diǎn)上,成為我們整體后臺計(jì)算的一部分。

      除了手機(jī)這個小小“氣象站”,我們還有很多經(jīng)驗(yàn)可以分享,例如,我們處理全國幾百臺雷達(dá)站的數(shù)據(jù),其中每一臺要六分鐘更新一次數(shù)據(jù),然后一天處理的雷達(dá)圖數(shù)據(jù)量是幾十G,所有這些要在六分鐘之內(nèi)順暢地完成,要求非常高。從方法上來說,除了提高每一步的單個數(shù)據(jù)處理模塊的響應(yīng)速度之外,我們還通過引入一個中間節(jié)點(diǎn),來簡化數(shù)據(jù)流的復(fù)雜性。


      上圖中密密麻麻的圖標(biāo)就是彩云天氣用戶給的實(shí)際天氣回報(bào)。


      同時,因?yàn)槊恳徊渴謾C(jī)有傳感器在其中,所以它可以感知到外界的某些氣象數(shù)據(jù)。比如iPhone就可以感知到用戶周圍的氣壓。彩云天氣現(xiàn)在在做的一件事情,就是收集iPhone用戶的氣壓數(shù)據(jù)。


      所有這些能力,綜合起來把彩云天氣團(tuán)隊(duì)引向了一個更大的可能——機(jī)器智能、人類智能和環(huán)境之交融。


      優(yōu)酷視頻Google DeepMind's Deep Q-learning playing Atari Breakout(http://v.youku.com/v_show/id_XMTUxODU2NjY5Ng==.html)展示的是Google deep mind發(fā)明的re-enforcement learning的一種算法。運(yùn)用這種算法的機(jī)器可以自動跟游戲交互而學(xué)會怎樣更好地打游戲。

      剛開始的時候電腦不太會玩這個游戲,然后逐漸學(xué)會了一些技巧,開始像一個人在打。最有意思的是它在若干輪的學(xué)習(xí)之后,發(fā)現(xiàn)了一個技巧——它可以把球打到空間的上方,然后讓它不斷地反彈,這樣就能不斷地得分,可以快速地把這個游戲的得分提升上去,整個學(xué)習(xí)過程都是機(jī)器自己完成的——這是最讓人興奮的地方。

      彩云天氣團(tuán)隊(duì)在天氣領(lǐng)域也有一個類似的構(gòu)想,就是利用人們的反饋,天氣觀測數(shù)據(jù)的彼此對照,作為一個輸入,讓算法自己不斷地改進(jìn)自己,從而不斷提高天氣預(yù)報(bào)的準(zhǔn)確性。

      具體到工程的實(shí)現(xiàn)上,可能需要很多前期的工作一步步完成,包括很大的開發(fā)工程,我們會在接下來的幾年中不斷優(yōu)化并實(shí)現(xiàn)這樣一個想法。

      特別感謝會議助理:杜雪
      編輯:宋文博
      運(yùn)營:李卓然
      策劃:王瓊 劉真

      版權(quán)聲明

        本站是提供個人知識管理的網(wǎng)絡(luò)存儲空間,所有內(nèi)容均由用戶發(fā)布,不代表本站觀點(diǎn)。請注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購買等信息,謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請點(diǎn)擊一鍵舉報(bào)。
        轉(zhuǎn)藏 分享 獻(xiàn)花(0

        0條評論

        發(fā)表

        請遵守用戶 評論公約

        類似文章 更多