中心各单位：
为更好适应大数据、人工智能等新兴信息技术发展的时代需求，提升气候预测技术方法，国家气候中心研究制定了《国家气候中心智能预测技术发展工作计划》，现予以印发，请遵照执行。
附件：《国家气候中心智能预测技术发展工作计划》
国家气候中心智能预测技术发展工作计划
一、发展现状
近年来，大数据、人工智能等新兴信息技术发展迅速，在社会各行各业都得到了广泛应用。国内外气象科研业务机构也非常关注相关领域发展，投入了大量人力物力开展大数据分析和人工智能技术在气象领域的应用实践。在天气方面，人工智能技术已经广泛应用于短期天气预报、短临预报、实况分析、雷达反演、灾害识别等方面，在气候方面，重庆、湖北、广东等省都开展了人工智能在短期气候预测方面的应用实践，清华大学、北京师范大学、中山大学、成都信息工程大学等高校也开展了人工智能技术在模式参数优化、气候预测方面的应用。在气候基础理论创新不足和国家对气候预测精准化需求日益增长情况下，充分利用大数据分析、机器学习应用等智能化方法论，提升延伸期-月季年气候无缝隙预测技术水平，是行之有效的方法，对于改进气候模式预测结果的应用也有一定促进作用，因此开展相关技术方法的研究非常必要和紧迫。
二、发展目标
利用多源观测和再分析历史数据集以及多气候预测模式回算数据，开展大数据分析应用技术研究，运用包括深度学习在内的机器学习等人工智能算法，发展面向延伸期-月季年多尺度气候预测的智能化方法，形成涵盖极端事件预测和基于气候模式预测结果的释用的智能化技术体系，进一步提升气候预测准确率，建成智能气候预测业务。
三、工作计划
1、发展基于大数据深度学习算法的延伸期智能网格预测技术
开展模式与历史观测分析资料的大数据分析，在评估气候模式的延伸期预报技巧基础上确定适于动力延伸期预报的时空范围，发展基于模式信息智能提取的重大灾害性天气过程(强降温、强降雨等)延伸期预报技术，发展极端天气统计量的延伸期概率预报方法。
针对动力模式延伸期预报技巧低和无技巧区域，利用近年来大量使用的卷积神经网络、循环神经网路等深度学习方法挖掘历史观测和再分析大数据中的有效预报信号，构建基于深度学习高级算法的预报模型，并探索如何在有限大的历史数据信息中，结合多种物理量信息，利用深度学习挖掘更多有效信息，从而得到更精准的预测结果。
发展动力-统计相结合的典型雨季进程、关键环流系统、低频振荡的延伸期监测和诊断分析技术，发展面向多个区域分别进行机器学习建模方案，最终组合得到完整的中国区域延伸期预测结果。
2、发展基于机器学习算法的月季年气候智能网格预测技术
对月季年气候预测性能进行评估分析并开展了基于机器学习(主要包括贝叶斯方法，支持向量机，随机森林，人工神经网络等经典方法)的预测订正方法和关键技术研究。利用模式与观测之间误差重构的思想发展针对气候预测误差订正的机器学习网络结构。加强季节至年际尺度气象灾害预测的客观定量化预测技术研究。通过面向国内外多源预测信息的时空全覆盖检验评估，在误差订正基础上实现多源预测信息基于大数据分析技术的智能集成应用。结合动力学机理以及误差特征，考虑多种物理量对气候预测的影响，探索可应用于气候统计订正的深度学习新方法(例如迁移学习，强化学习，元学习等)，完善对不同气候物理量的预测订正，显著提升气候预测准确率。
3、发展基于多模式智能集合和解释应用的时空多尺度预测技术
基于性能改进的下一代气候模式，建立新一代多模式集合气候预测业务系统，实现面向不同分辨率可变网格的多尺度智能无缝隙网格预测技术和业务体系，制作次季节至年代际的确定性和概率气候预测产品。发展全球主要气候现象异常及影响预测技术、以及气象灾害风险预报和极端气候事件影响预测技术。开发动力学订正-统计后处理相结合的气候预测技术、以及基于机器学习等的多尺度气候信息挖掘技术和预测应用技术，研发模式降尺度解释应用技术。发展多模式集合预测技术和区域模式预测技术;研发基于多模式大样本集合信息的我国气候灾害和极端事件精细化概率预测技术，构建多尺度无缝隙的集合概率预测产品体系。
4、发展用户定制与智能分析相结合的产品生成与检验评估技术
针对水文、农业、环境、健康等领域，发展基于气候影响大数据分析的行业预测技术，研发将用户主观定制与客观需求分析相结合的智能化预测产品。加强对气候灾害发展演变过程的认知，优化并创新检验指标和评估方法，实现对各类预测产品的端到端精细化跟踪检验，构建覆盖从延伸期到年代际的多时空尺度、多气候要素、多灾害过程的气候预测质量检验评估指标体系。发展面向多种集合预测构架的概率检验方法。研究不同季节和不同区域等的条件分类检验技术
四、攻关团队
为推进该工作的发展，中心将组织预测室、开放室有关专家组成技术团队，协同发展有关技术。
组长：任宏利
副组长：陆波、刘长征
成员：吴捷、武于洁、汪方、郑志海、刘景鹏
国家气候中心业务科技处文件
2019年12月2日