Techub News 消息,麻省理工学院(MIT)工程师开发出一款名为 Extreme Event Aware(η-learning)的 AI 工具,能够在无需依赖历史灾害数据的情况下预测极端天气事件。该工具可生成统计上可能、但历史上未在特定区域出现过的极端天气事件地图,并估算事件的持续时间、强度及影响范围。 研究人员 Kai Chang 与 Themis Sapsis 教授在 8 月 20 日发表于《自然·通讯》的论文中描述了该方法。该算法结合点统计数据与空间地图,通过低分辨率与高分辨率地图的对应关系学习统计规律,从而生成超出训练数据范围的极端天气空间模式。 在测试中,该工具针对美国大陆降水数据生成了可能出现的百年一遇风暴地图,例如可模拟纽约市降雨量达 300 毫米(历史最高记录为 200 毫米)的合理风暴情景,为城市规划、保险及电网运营提供极端情景预案参考。 (Nature Communications)

如您认为本页面(或本平台)内容存在侵权或违规情形,请您在发现之日起尽快与我们联系,并提供:权利人姓名/名称及联系方式、被侵权作品名称及权属证明、具体侵权链接及情况说明。我们在核实后将及时处理相关内容。
联系方式:creator@techub.news
商务合作:contacting@techub.news
点击链接下载 Techub News App,获取最新讯息:
https://www.techub.news/download
(或扫描下方二维码下载)

本网站所提供的所有信息仅供参考之用。
本网站不保证信息的准确性、有效性、及时性和完整性。
任何依赖于本网站所提供信息的行为,均由用户自行承担风险。
Techub News 消息,麻省理工学院(MIT)工程师开发出一款名为 Extreme Event Aware(η-learning)的 AI 工具,能够在无需依赖历史灾害数据的情况下预测极端天气事件。该工具可生成统计上可能、但历史上未在特定区域出现过的极端天气事件地图,并估算事件的持续时间、强度及影响范围。 研究人员 Kai Chang 与 Themis Sapsis 教授在 8 月 20 日发表于《自然·通讯》的论文中描述了该方法。该算法结合点统计数据与空间地图,通过低分辨率与高分辨率地图的对应关系学习统计规律,从而生成超出训练数据范围的极端天气空间模式。 在测试中,该工具针对美国大陆降水数据生成了可能出现的百年一遇风暴地图,例如可模拟纽约市降雨量达 300 毫米(历史最高记录为 200 毫米)的合理风暴情景,为城市规划、保险及电网运营提供极端情景预案参考。 (Nature Communications)

如您认为本页面(或本平台)内容存在侵权或违规情形,请您在发现之日起尽快与我们联系,并提供:权利人姓名/名称及联系方式、被侵权作品名称及权属证明、具体侵权链接及情况说明。我们在核实后将及时处理相关内容。
联系方式:creator@techub.news
商务合作:contacting@techub.news
点击链接下载 Techub News App,获取最新讯息:
https://www.techub.news/download
(或扫描下方二维码下载)

本网站所提供的所有信息仅供参考之用。本网站不保证信息的准确性、有效性、及时性和完整性。任何依赖于本网站所提供信息的行为,均由用户自行承担风险。