科学家开发混合气候学习系统，为智能农场提供更准确的天气预报

致力于研究智能灌溉系统的研究人员，已经研发出一种方法，可以从特定日期前一周提供的天气预报中，选择最准确的天气预报。

凯恩斯詹姆斯-库克大学（JCU）的物联网研究员Eric Wang博士说，每个农民都希望获得准确的、完美的天气预报，但其实准确的预报对于技术，特别是物联网（IoT）技术来说更加重要。

Eric Wang博士补充道，在农业方面，物联网涉及到智能设备，包括灌溉设备。在灌溉方面，需要考虑大量的信息，如特定作物的需求，其当前的生长阶段，土壤湿度，当然还有天气。研究人员一直在寻找超越标准天气预报的方法，如气象局（BOM）的七天预报，以帮助农民和智能系统决定他们今天是否需要灌溉。

博士生Neethu Madhukumar设计了一个混合气候学习系统（HCLM），该系统在提高降雨预报的精确度方面获得进步。她解释道，你也许认为最接近该日的预测将是最可靠的，但并非如此。人工神经网络系统需要理清所有数据背后的关系，以选择最佳的预测。

首先，一个基于概率的网络系统评估了不同降雨模式的多种预测。然后，一个深度学习的神经网络系统会重新处理这些预测，以获得对第二天的更准确的预测。

通过上传123,640条数据，来训练这个混合系统，这些数据代表了澳大利亚六个主要气候区的10个站点在两年内的气象局预测和天气数据。结果显示，在相同的气候区范围内测试系统时，混合系统的表现优于气象局的气候模型和其他三个实验系统，其预测的错误最少。

Madhukumar还认为，这个系统是第一个将气候模型、概率网络和深度学习神经网络结合起来的系统。

该研究已发表在IEEE物联网杂志上。

前瞻经济学人APP资讯组

论文原文：

https://ieeexplore.ieee.org/document/9272620