人工智能 · 新闻
USP研究人员开发AI工具 可提前30分钟预测风暴路径和强度
发布:
要点
圣保罗大学的研究人员开发了一个名为TITAN-LSTM的AI系统，可以提前30分钟预测风暴路线和降雨强度，每五分钟更新一次。该工具旨在为民防团队提供更多时间来决定在暴雨来临前是否关闭道路或疏散民众。
此版本是原文（English）的机器翻译。 阅读原文
圣保罗大学(USP)天文、地球物理和大气科学研究所(IAG)的一支团队开发了一个人工智能系统，可在风暴到达前30分钟预测其路径和强度，这是根据USP期刊和圣保罗研究基金会(FAPESP)的报道。该系统名为TITAN-LSTM，每五分钟更新一次预测。
该工具由IAG-USP的博士后研究员Andrea Salome Viteri López在教授Carlos Augusto Morales Rodriguez的指导下开发。这项工作由FAPESP资助，根据USP的报道，还得到了Capes的支持。研究结果于2026年10月1日发表在《地球物理研究杂志：机器学习与计算》上，DOI号为10.1029/2026JH001337，据FAPESP新闻机构报道。
系统如何工作
TITAN-LSTM结合了两种现有技术。第一种是TITAN，这是一个开源算法，最初在20世纪90年代由美国国家大气研究中心开发，用于使用雷达图像跟踪风暴，计算每场风暴的面积、强度、方向和速度。第二种是长短期记忆(LSTM)神经网络，这是一种为识别数据序列中随时间推移的模式而构建的人工智能模型。
该系统不是将原始雷达图像输入神经网络，而是将TITAN的风暴测量数据转换为数值序列，然后LSTM模型使用这些序列来预测风暴的面积、方向和强度如何演变。新闻媒体ND+报道称，López将该项目的目标描述为在很短的时间范围内产生降雨预报。
训练数据和测试
根据FAPESP新闻机构的报道，该模型使用来自圣保罗都市区Biritiba Mirim的Ponte Nova大坝的偏振气象雷达数据进行了训练和测试，该雷达由SP Águas (Daee-Spol)运营，覆盖120公里半径，数据时间为2016年至2019年。USP期刊也报道了该雷达的位置和相同的2016–2019年数据时间段。
研究人员最初在该雷达数据中追踪了30,000多场风暴。应用选择标准后（包括持续至少20分钟且未与其他风暴合并的风暴），剩余439场事件。其中307场用于训练神经网络，132场用于测试，FAPESP机构报道称。
报告的准确性
根据FAPESP新闻机构报告的数据，TITAN-LSTM在预测风暴降雨覆盖面积方面的表现比单独的TITAN方法好约三倍，在早期预报分钟内将准确度指数从大约0.2提高到约0.7。同一来源报告称，误报警减少了近70%，在提前5分钟时的降雨强度误差约为每小时3毫米，在30分钟时提高到每小时3-4毫米。
USP期刊报道称，混合模型与更复杂的深度学习方法的性能相匹配，同时所需的计算能力大大减少。ND+报道称，在标准笔记本电脑上训练该模型大约需要20分钟，无需使用超级计算机。
| 指标 | 报告数据 |
|---|---|
| 预报时间范围 | 最长30分钟，每5分钟更新一次 |
| 雷达数据时间段 | 2016–2019年，Ponte Nova大坝，Biritiba Mirim |
| 追踪/使用的风暴 | 32,000+个追踪；439个选中（307个训练，132个测试） |
| 准确度提高 | 指数从~0.2提高到~0.7（FAPESP机构） |
| 误报警减少 | 减少~70%的虚假警报（FAPESP机构） |
| 训练硬件 | 标准笔记本电脑，~20分钟（ND+） |
预期用途
根据USP期刊和FAPESP机构的报道，目标是给民防机构更多的提前时间来决定在风暴最大降雨到达前采取措施，如关闭道路或撤离风险地区的人员。媒体也报道了其在水文和洪水警报模型中的潜在用途，因为了解上游的降雨强度可以帮助预测下游河流水位的迅速上升。
神经网络决定该信息是否仍然相关。
USP期刊报道称，根据研究人员的描述，更广泛的目标是为紧急管理中心的工作人员提供更好的条件，以便在恶劣天气事件期间做出适当的决定。
研究的局限性
该模型仅使用来自2016年至2019年间圣保罗都市区的雷达数据进行了训练和测试，报告的准确度数据适用于该数据集。已审查的来源未报告运营部署日期，也未说明该工具是否已被任何民防机构采用。
常见问题
- 什么是TITAN-LSTM?
- 这是在USP开发的一个人工智能系统，它结合了基于雷达的风暴追踪算法(TITAN)和LSTM神经网络，可以提前30分钟预测风暴的路径和降雨强度。
- 谁开发了这个工具?
- Andrea Salome Viteri López是USP天文、地球物理和大气科学研究所的博士后研究员，在教授Carlos Augusto Morales Rodriguez的指导下开发了该工具，由FAPESP资助。
- 预报的准确度如何?
- 根据FAPESP新闻机构的报道，该模型在早期预报分钟内预测降雨面积的准确度指数从约0.2提高到约0.7，与单独的TITAN方法相比，误报警下降了近70%。
- 用什么数据来构建它?
- 研究人员使用了来自圣保罗Biritiba Mirim的Ponte Nova大坝的雷达数据，这些数据是在2016年至2019年间收集的，追踪了30,000多场风暴，并选择了439场用于训练和测试神经网络。
- 该工具是否已被民防机构使用?
- 已审查的来源描述了该工具在民防决策中的预期用途，如关闭道路和疏散，但未报告运营部署日期或被具体机构采用的情况。
世界如何讲述
- 葡萄牙语巴西媒体（USP期刊、FAPESP新闻机构和地区媒体ND+）将这个故事框架为USP的本土科学成就，强调其低计算成本和改进风暴警报和民防反应在圣保罗易受洪水影响的都市区的潜力。
来源
- Jornal da USP — Modelo de previsão de tempestades "avisa" casos de alerta até 30 minutos antes
- Agência FAPESP — Nova ferramenta de IA prevê rota e intensidade de tempestades em curtíssimo prazo
- ND+ — Nova ferramenta brasileira de IA prevê tempestades com até 30 minutos de antecedência e indica a rota da chuva
本文由人工智能撰写，发布前已通过自动来源核查。如发现错误，请申请更正。 申请更正或回应 · 我们如何制作
相关文章
人工智能文章
GPT-6 是什么，大语言模型实际上如何工作？
GPT-6 是 OpenAI 的最新模型系列，自 2026 年 9 月以来分阶段推出，名称分别为 Astra、Sol 和 Luna，其中 Sol 和 Luna 于 2026 年 10 月 7-8 日覆盖所有 ChatGPT 用户。与其他大语言模型一样，它通过使用在海量文本上训练的 Transformer 神经网络来预测下一个单词来生成答案，而不是像人类那样进行推理。
人工智能文章
新影片《人工智能》将OpenAI 2023年董事会危机搬上银幕 引发AI风险辩论
《人工智能》是卢卡·瓜达尼诺执导的一部悲喜剧，以OpenAI 2023年董事会危机为背景，通过描绘首席执行官山姆·奥特曼被解除后又被重新聘用的经历，反映了公众对人工智能的广泛焦虑。影片由安德鲁·加菲尔德主演，追踪了从杰弗里·辛顿早期研究到ChatGPT发布的人工智能发展过程。该片定于2026年12月25日在美国影院上映。
人工智能文章
Palantir的Alex Karp为什么说技术工人和神经多样性人群将在AI时代蓬勃发展
Palantir首席执行官Alex Karp在2026年3月表示，在AI驱动的经济中，只有两类工人可以确信自己有未来：具有职业培训的人，以及神经多样性人群。他辩称，熟练的技术行业抵抗自动化，而神经多样性的思维方式适合非常规问题解决，Palantir已为这两类人群开设了带薪研究金。
人工智能文章
OpenAI大规模数学论文发布引发学术数学家职业担忧
2026年10月6日，OpenAI发布了722份人工智能生成的手稿，分为372个问题族，包括对纳维叶-斯托克斯千禧奖问题的争议性声称。菲尔兹奖得主Hugo Duminil-Copin在发现他自己的16个研究问题被列在这些论文中后表示哭泣，称之为他所在领域的"拆解"，而一个数学家团体敦促同事停止与OpenAI合作。