共计 973 个字符，预计需要花费 3 分钟才能阅读完成。
菲律宾大学迪利曼分校的科学家近日成功开发了一种基于人工智能（AI）的创新模型，专门用于预测热带气旋带来的降雨量。这一突破性技术有望为灾害管理和减灾工作提供更精确的信息支持。
由菲律宾大学迪利曼分校科学学院环境科学与气象研究所的 Cris Gino Mesias 和 Gerry Bagtasa 博士领导的研究团队，利用机器学习技术开发了这一预测模型。该模型通过整合过去的热带气旋路径与记录的降雨量数据，能够更准确地预测未来的降雨情况。
研究团队在《皇家气象学会》期刊上发表的研究中详细阐述了这一模型的工作原理。他们采用自组织映射（SOM）对热带气旋路径进行聚类，然后将这些数据输入随机森林（RF）回归模型。该模型利用热带气旋的位置、强度、移动速度等关键参数，精确预测累积降雨量。
Bagtasa 博士指出，传统的热带气旋降雨预测通常依赖于需要高性能计算资源的动态模型。相比之下，他们开发的 AI 模型即使在普通笔记本电脑上也能快速高效地运行，并且其预测能力与动态模型相当，甚至在预测极端降雨时表现更佳。
研究团队通过测试 2016 年至 2020 年间在菲律宾不同地区引发极端降雨的 10 个热带气旋，验证了该模型的预测能力。结果显示，AI 模型生成的热带气旋降雨分布与卫星降水数据基本一致，尽管在某些指标上略低于 WRF 模型，但在预测更强烈的降雨（> 100 毫米）时表现出更高的命中率。
研究还发现，热带气旋的距离和持续时间是影响 AI 模型降雨预测的最主要参数。例如，靠近巴丹群岛的台风预计不会在棉兰老岛引发大雨，而在陆地上停留时间较长的慢速热带气旋往往带来更多的降雨。
Bagtasa 博士强调，这一 AI 模型可以通过新数据进行更新，从而提高其准确性。他表示，尽管该模型并不完美，但它可以补充现有的降雨预测模型，为灾害管理者提供更多关于即将发生的灾害的信息。
此外，Bagtasa 博士还指出，他们开发的 AI 模型不是大型语言模型（LLM），后者需要大量能源，可能对环境造成危害。他提到，一些用于天气预报的 AI 模型比传统方法更有用且更高效，但也有一些模型，如 LLM，消耗大量能源，导致对地球有害的环境影响。
菲律宾国家气象局 PAGASA 此前预测，从今年 8 月到明年 1 月，可能有 17 个热带气旋进入或在菲律宾责任区内生成。这一新的 AI 模型有望在未来的热带气旋季节中发挥重要作用，帮助菲律宾更好地应对极端天气事件。
