摘要：气象行业数据具有一定程度的保密性、复杂性和安全性,在开放性云资源的使用上面临风险,且单一云架构无法有效满足气象行业的数据需求。针对这一问题,本文提出了一种多云架构下的人工智能开发平台设计方案。实验结果表明,该方案可以形成优势互补,满足不同情况的用户需求,在天河云资源上构建的系统相比在CPU计算资源上的计算速度提升了16.77倍,加速效果明显,能够有效满足气象行业对AI算力资源的需求。

摘要：为了更好地利用AI技术的优势,降低开发周期和难度,针对气象行业的特点,提出一种适合气象行业应用的人工智能通用算法库设计方案。该方案基于标准规范和模块划分,通过系统设计,形成有效的算法资源池,在大大减少开发工作量的同时,有效降低开发门槛,构建积木化算法开发范式。同时,因为系统采用MUSIC和FTP协议进行数据交换,能够方便与全国天擎系统进行对接,形成“数据、算法、产品和展示”的一条龙服务,为AI在气象行业的落地和融合提供了有益的探索。

摘要：温度作为重要的气象要素,关乎民生和生产,其中最高温和最低温更是引人关注,但相关的研究却鲜有涉及。文中基于GRU模型提出了一种未来24小时高低温的AI预报算法,并针对数据缺失情况设计了5种数据处理方法,利用实况和多种模式资料制作AI训练数据集,以过去72小时实况数据和模式未来24小时预报数据为输入。实验表明,该方法能够有效提高高低温的预报精度,最高温预报误差为1.59℃,最低温预报误差为1.19℃,预报精度高于EC模式和预报员的预报精度,尤其是最低温预报精度提升比较明显,对预报员具有较好的预报指导意义。