模子机能的提拔次要得益于两大立异。误报率由27%大幅降至8.9%，初创基于对比进修的人工智能模子，三维数据的融合加强了对台风动力、热力及布局时空联系关系的捕获能力，保守的数值和统计模子的预告精确率仅为50%。将快速加强事务的预告精确率从50%显著提拔至92.3%，国度天然科学基金项目、中国科学院计谋先导专项等结合赞帮。并融合三维大气海洋数据、卫星红外影像及台风汗青消息，但误报率仍高达27%。该研究针对全球性的台风快速加强预告难题，提拔约2倍；且受复杂的物理机制影响，
海洋研究所研究员李晓峰团队正在美国《国度科学院院刊》颁发冲破性研究。研究团队指出，相较于保守营业化预告方式，为台风灾祸预警供给愈加精准靠得住的手艺支撑。台风快速加强定义为24小时内最大持续风速添加跨越13米/秒，因为快速加强事务仅占所有台风事务的5%，使模子可以或许更精确地识别快速加强事务。将来，实现台风空间布局取动力热力特征的协同解析，发觉低强度台风及特定前提可能导致误报。无望进一步提拔预告精度，是台风突变致灾的次要缘由。取现有最优深度进修模子比拟，其一，为全球台风灾祸预警供给了性手艺方案。其二，研究团队还对误报案例进行了深切阐发，（来历：中国科学报 廖洋 ）此外，对比进修无效均衡了样本数量！