如果您想知道我們?yōu)槭裁葱枰玫姆绞絹眍A測颶風，問問休斯頓居民就知道了。

權(quán)威機構(gòu)已經(jīng)知道颶風哈維正在向德克薩斯州南部移動，但氣象預報員不能精確地說出哪些區(qū)域?qū)転母鼑乐?。因此，大多?shù)休斯頓居民留在原地不動。最終導致超過 75 人死亡，30,000 人躲避在避難所中，還有數(shù)萬人需要營救。

NOAA 的 GOES-15 衛(wèi)星捕獲了颶風哈維即將在德克薩斯州海岸登陸時的彩色影像

科學家利用GPU助力降低自然災害風險

然而哈維只是一個開始。厄瑪、何塞、瑪利亞、奈特和奧菲莉婭 - 僅僅在五個多星期的時間內(nèi)，已使得 2017 年大西洋颶風季成為歷史記錄以來極為嚴重的一季。這是自 1893 年以來第一次連續(xù)有 10 個風暴達到颶風強度，在有記錄的颶風歷史中是第四次。如果不知道強大風暴的襲擊地點，政府官員們常常會為群眾疏散問題而大傷腦筋。何時疏散？疏散哪一地區(qū)的居民？這都是值得深究的問題。

德克薩斯州國民警衛(wèi)隊隊員在颶風哈維襲擊期間從被洪水淹沒的房屋中營救一個家庭

在地球的另一端，韓國的科學家團隊正在利用 GPU 加速深度學習幫助人們免遭傷害。

韓國科技信息研究院 (KISTI) 高性能計算研究室主任 Minsu Joh 說：“我們無法阻止自然災害，但如果掌握了正確的信息，我們可以在更大程度上降低風險?！?/p>

疏散還是不疏散？

韓國經(jīng)常受臺風困擾，臺風是強度與颶風或熱帶氣旋等同的高強度風暴。這個詞的使用取決于地理位置- 在大西洋和太平洋東北地區(qū)稱為颶風，在太平洋西北地區(qū)稱為臺風，在南太平洋和印度洋稱為氣旋。

據(jù)美國國家航空航天局 (NASA) 地球氣象站介紹，除了風暴變得更加頻繁之外，氣候變化也正在加劇颶風等與天氣有關(guān)的自然災害。一些研究表明不斷升溫的海洋也將導致更多強臺風。

Joh 和 KISTI 團隊將深度學習技術(shù)與相對傳統(tǒng)的天氣預測方法相結(jié)合，研發(fā)出由數(shù)值天氣模型打造的 GPU 加速超級計算機，來提高臺風預測的速度和準確性。如果科學家能夠更精準地確定風暴的路徑和強度，權(quán)威機構(gòu)便可以準確而及時的下令將人們疏散到安全的地方。

疏散某個地區(qū)的數(shù)百萬人口并不是一件小事，因此，政府官員通常會猶豫不決，懷疑警報的準確性。而且，疏散有可能比待在原處更加危險。在 2005 年遭受颶風麗塔襲擊時，休斯頓的疏散行動導致了慘烈的后果，幾十人在中途因中暑、事故和公交車著火而死亡，并且造成了休斯頓歷史上最嚴重的交通堵塞，數(shù)不盡的汽車停滯在綿延 100 英里的交通堵塞中。

在更短的時間內(nèi)提供更準確的預測

現(xiàn)在，氣象學家可以依靠數(shù)值模型來預測風速、降水、氣壓和其他因素，這些因素可指明颶風在其生命周期內(nèi)的路徑和強度。但與之不同的是，KISTI 團隊利用從衛(wèi)星和雷達中觀察到的數(shù)據(jù)來訓練他們的兩個深度學習系統(tǒng) - GlobeNet（預測臺風軌跡）和 DeepRain（預測強降水）。

研究人員使用從數(shù)值模型中獲取的數(shù)據(jù)來訓練第三個系統(tǒng)，即 DeepTC（預測熱帶氣旋）。

開發(fā) KISTI 深度學習系統(tǒng)的首席科學家 Sa-kwang Song 表示：“盡管這三個模型仍處于實驗階段，但現(xiàn)在我們的準確性已超過現(xiàn)有方法?！?/p>

KISTI 科學家在機構(gòu)的 NVIDIA GPU 上運行 cuDNN，利用 Keras 工具包和 TensorFlow 深度學習框架來訓練自己的模型。在部署模型時，他們使用 Amazon Web Services 云中托管的 GPU。

到目前為止，KISTI 系統(tǒng)可以提前一到兩個小時預測臺風及其相關(guān)的降雨量。該團隊計劃在明年將這個時間范圍延長到六個小時，最終實現(xiàn)提前三天預測，使其真正成為生命拯救者。

2017 年太平洋臺風季中所有熱帶氣旋的軌跡

臺風、洪水預測在行動

在韓國，他們的工作通常需要預測臨津江周邊地區(qū)的洪災，這個地區(qū)居住著該國 30% 的人口。韓國氣象局的臺風中心正在測試 KISTI 系統(tǒng)，最早明年可以進行部署。

盡管 KISTI 的工作是針對韓國而設(shè)計的，但同樣的方法也適用于其他任何地方。

Joh 表示：“如果我們可以獲取足夠的衛(wèi)星和雷達數(shù)據(jù)，就可以輕松地將 DeepRain 和 GlobeNet 應用到北美地區(qū)?！?/p>