京都大學田野科學教育與研究中心的伊勢武史副教授和大場由里卡助理教授開發了一種使用深度學習估計平均溫度波動 10 年的方法,最大準確度為 97%。
傳統上,氣候變化預測主要基於使用超級計算機的物理計算。然而,“自下而上”的傳統方法積累已知物理知識,建模和理解整體需要更精細的模擬模型和更大的超級計算機,因為計算更詳細,這是一個預算。存在擴展人的問題力量。
相比之下,這項研究結合了統計分析趨勢的“自上而下”思維。首先,從過去的全球溫度數據中提取連續30年的溫度數據,1-12月每個月的溫度垂直排列,30年的每年溫度水平排列,溫度按顏色著色. 生成了偽彩色圖像。製作圖像的原因是人工智能更容易學習其特徵。
通過生成數万到數十萬張偽彩色圖像並通過深度學習對其進行訓練,可以從過去的溫度數據中以最高 10% 的準確率預測未來 97 年的平均溫度是上升還是下降據說變成了。實際上,如果從截至 2016 年的溫度數據預測未來 10 年的平均溫度,全球變暖會進行,但根據地區不同,溫度可能會緩慢上升,也可能會下降。結果是獲得。以這種方式預測區域差異可能有助於未來氣候研究和全球變暖對策的進展。
未來,該課題組打算進一步提高該方法的準確性,並將其與現有的自下而上的氣候預測相結合。