科技日报讯（记者 张梦然）新一期《自然》杂志发表的一项研究报道了 Deep 推出的最新机器学习模型。该模型根据当前和未来的天气产生可靠的概率天气预报，优于传统的最佳中期天气预报，并更好地预测极端天气、热带气旋路径和风能发电。

准确的天气预报对于个人、政府和组织每天做出关键决策至关重要，例如决定是否带雨伞、评估风能发电以及规划如何应对极端天气。天气预报传统上使用数值天气预报方法，该方法估计当前天气，并据此预测未来一段时间的天气（称为确定性预测）。这导致大量的潜在场景可以组合起来进行天气预报。

谷歌的 Deep 团队展示了一种名为“”的机器学习天气预报方法。该方法生成概率预测，即根据当前和之前的天气状况预测未来天气的可能性。该团队使用 40 年（1979 年至 2018 年）的最佳估计天气分析数据对其进行训练，使其能够在 8 分钟内针对 80 多个地表和大气变量以 12 小时为间隔生成 15 天的全球预报。与欧洲中期天气预报中心的集合预报（ENS）相比，这是一种确定性预报，也是目前世界上最好的中期预报，他们发现用于评估性能的1320个指标中有97.2％优于ENS 。此外，它在预测极端天气、热带气旋路径和风能发电方面也更加有效。

该团队指出，它或许能够提供更高效、更准确的天气预报来支持实际规划。