次の1時間の雨を予測する

'Predict the next hour's rain.'

私たちの生活は天候に依存しています。イギリスではいつでも、ある研究によれば、国の3分の1が過去1時間のうちに天候について話しており、それは日常生活における天候の重要性を反映しています。天候現象の中でも、雨はその影響力のために特に重要です。傘を持っていくべきですか？豪雨に見舞われる車両の経路はどうすればよいですか？屋外イベントに対する安全対策はどうすればよいですか？洪水は起こるのでしょうか？ 私たちの最新の研究と最先端のモデルは、次の1〜2時間以内に雨（およびその他の降水現象）を予測する 降水量の即時予測 の科学を進めるものです。Met Officeとの共同研究でNatureに掲載された 論文 では、私たちはこの重要な 大きな課題 に直接取り組んでいます。環境科学とAIのこの共同研究は、意思決定者にとっての価値に焦点を当てており、天候予測における雨の即時予測の新たな可能性を示し、常に変化する環境における意思決定に対するAIのサポートの機会を指摘しています。

短期天気予報

歴史を通じて、天候予測は私たちのコミュニティや国において重要な位置を占めてきました。中世の気象学者たちは、星を使って予測を行い始めました。徐々に、季節や降雨パターンを記録するための表が作られるようになりました。数百年後、ルイス・フライは、大気の物理方程式と計算を使用して地球規模の天候を予測する「予測工場」を想像しました。この進化する天候予測の本に、機械学習の役割に関する話を加えています。

今日の天気予報は、強力な数値天気予報（NWP）システムによって駆動されています。物理方程式を解くことにより、NWPは数日先までの地球規模の予測を提供します。ただし、2時間未満の短期の予測においては、高解像度の予測を生成するのが困難です。そのため、この重要な時間帯の性能ギャップを埋めるのが即時予測です。

即時予測は、水管理、農業、航空、緊急計画、屋外イベントなどのセクターにとって重要です。天候観測技術の進歩により、地上での降水量を測定する高解像度のレーダーデータが高頻度（例えば1kmの解像度で5分ごと）で利用可能になりました。既存の方法が苦戦している重要な領域と高品質のデータの組み合わせは、機械学習が即時予測に貢献する機会を提供しています。

• AIを用いた遺伝子発現の予測
• 新しい方法で純粋な数学の美しさを探索する
• スケールにおける言語モデリング：Gopher、倫理的考慮事項、および情報の検索

即時予測のための生成モデル

私たちは雨の即時予測に焦点を当てています。これは、降雨量、降雨のタイミング、場所を捉える2時間先までの予測です。私たちは過去のレーダーに基づいて将来のレーダーの詳細かつ信憑性のある予測を行うために、生成モデリングというアプローチを使用しています。概念的には、これはレーダー映像を生成する問題です。このような手法を用いることで、大規模なイベントを正確に捉えることができますし、アンサンブル予測として多くの代替の降雨シナリオ（アンサンブル予測として知られる）を生成することもできます。これにより、降雨の不確実性を探求することができます。私たちは、研究結果において、イギリスとアメリカの両方のレーダーデータを使用しました。

私たちは特に、これらのモデルが人々や経済に最も影響を与えるイベントであるVoAGI（非常に激しい雨）の予測能力に注目しました。その結果、競合手法と比較してこれらの領域で統計的に有意な改善が見られました。重要なことは、イギリスの国家気象サービスであるMet Officeの50人以上の専門気象学者との認知タスク評価を行いました。その結果、広く使用されている即時予測手法と比較して、私たちの新しいアプローチが89%の場合で一番の選択肢として評価されたことが示され、私たちのアプローチが現実世界の意思決定者に洞察を提供する能力を示しました。

次は何ですか

統計、経済、認知分析を使用することで、私たちはレーダーからの降水の新しい競争力のある予測手法を実証することができました。どの方法も制限があり、長期予測の精度や稀な強いイベントの精度を改善するためにはさらなる研究が必要です。将来の研究では、パフォーマンスの評価方法を追加で開発し、これらの手法を特定の現実世界の応用にさらに特化させる必要があります。

私たちはこれが研究の興味深い領域であると考えており、私たちの論文がデータと検証手法を提供することで競争力のある検証と運用上の有用性の両方が可能になるような新しい研究の基盤となることを願っています。また、Met Officeとのこの共同研究が機械学習と環境科学のより一体化を促進し、変化する気候における意思決定のサポートを向上させることを願っています。

‍

詳細は、2021年9月30日のNature誌の「レーダーの深層生成モデルを使用した的確な降水予測」の論文をお読みください。その中にはモデル、データ、検証手法についての詳しい議論が含まれています。また、GitHubを通じてトレーニングに使用したデータを探索し、UK向けの事前学習済みモデルを見つけることもできます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!