日本海洋研究機構和九州大學的研究小組利用人工智能深度學習技術，開發了從全球雲系統分辨率模型(NICAM)氣候實驗數據中高精度識別熱帶低氣壓征兆雲的方法。該方法可識別出夏季西北太平洋熱帶低氣壓發生一周前的征兆。研究成果於近期發表在日本《地球與行星科學的進展》雜志網絡版。

預測台風和颶風等熱帶低氣壓的發生，一般是通過衛星觀測和監視雲的演變過程，對觀測數據進行氣象模型模擬。但大氣現象非線性極強，不同的氣象模型預測的未來氣象結果會出現非常大的偏差。近年來人工智能技術飛速發展，可根據大數據中的特定類型進行深度學習，檢測特定現象，從而應用於具有不確定性的氣象領域。

利用深度學習獲得更高的識別精度，對每一種氣象類型都需要超過數千張圖片的大量數據。研究小組首先利用熱帶低氣壓跟蹤算法，將全球雲系統分辨率模型20年積累的氣候實驗數據，制成5萬張熱帶低氣壓初始雲及演變中的熱帶低氣壓雲圖片，再加上100萬張未演變成熱帶低氣壓的低氣壓雲圖片，共105萬張圖片組成10組學習數據，利用深度卷積神經網絡的機器學習，生成不同特征的10種識別器，然后構筑出可對10種識別器結果進行綜合評價的集合識別器。

該方法還可對台風路徑和強度進行預測，並預測暴雨的發生。今后研究小組將以深度學習為代表的人工智能技術融合數據驅動方法和模型驅動方法，開展新的海洋地球大數據分析。