DeepMind开源降雨生成模型DGMR数据集和训练模型快照

DeepMind开源了用于短期降水预报的人工智能系统“Deep Generative Models of Rainfall”（DGMR）的数据集和训练模型快照。该系统在58位气象专家的评估中，89%的测试案例中被评为准确性和实用性第一。

DGMR模型的核心技术与应用

DGMR是DeepMind与英国气象局合作开发的，用于进行临近预报（Nowcasting），即短期、高分辨率的降水预测。DGMR利用深度学习技术中的生成模型，通过学习生成“雷达电影”来预测未来的降水情况。给定一系列短期的雷达降雨图像，DGMR能够预测未来的雷达图像，从而预测降水的量和位置。

技术细节与训练过程

DGMR基于条件生成对抗网络（GAN）构建。生成器网络接收四个观测到的雷达帧作为上下文，并生成未来18帧的预测。生成器与两个判别器网络一起训练，判别器分别关注帧内的空间一致性和帧间的时间一致性。整个系统在2016年至2019年英国雷达观测数据上进行训练，训练后的模型可以在单块NVIDIA V100 GPU上“仅需一秒多”生成预测。

性能评估与对比

DeepMind将DGMR与三个基线模型（PySTEPS、UNet和MetNet）进行了对比。除了在准确性和价值方面的总体排名外，一组专家气象学家还对单一“气象学挑战性事件”的预测进行了评估，93%的专家将DGMR的结果作为首选。DGMR在多个指标上表现“具有竞争力”，包括关键成功指数（CSI）、径向平均功率谱密度（PSD）和连续排名概率评分（CRPS）。

行业应用与研究前景

临近预报在航空交通管制和能源管理等多个领域的决策支持中具有重要作用，因此其准确性对经济和安全有重大影响。DeepMind表示，希望这项研究能为新工作提供基础，促进机器学习与环境科学的更深度融合，并更好地支持气候变化中的决策。

开源与社区讨论

DGMR的训练模型和数据集已在GitHub上开源。在Reddit的讨论中，有评论者质疑该方法的实用性，但也有观点认为，尽管GAN在L1预测基础上“幻觉”出细节，但其在多个指标上仍优于其他深度网络和统计基线，且未来可以通过避免GAN模式崩溃的研究进一步提升性能。

相关研究

AI在天气预报领域的应用是一个活跃的研究方向。此前，InfoQ曾报道过用于预测风暴导致的电力中断的AI模型，以及用于求解偏微分方程的模型，这些模型也可用于气候建模。谷歌最近发布的MetNet-2在性能上大幅提升。