近日，中国气象局印发《气候预测智能技术研发及业务能力建设2020年工作方案》，启动气候智能预测暨延伸期智能网格预测业务能力建设工作，组建气候预测智能技术研发团队；开展基于机器学习等技术和多模式数据的气候异常诊断分析、气候预测的技术研发，搭建智能预测可视化平台，完成智能预测数据和产品的集成、展示和共享试验。

       气候预测是根据过去气候的演变规律，推断未来某一时期内气候发展的可能趋势。为了减少由初始场误差和模式不完善而造成的预报误差，目前气候预测是采用多初值和多模式的集合预报方法，因而从本质上看，气候预测是一种概率预报。

       气象是十分复杂的系统，受影响的因素很多，随着大数据和人工智能的发展，海量数据深度学习、复杂神经网络等逐步应用，人工智能为气候预测提供了一种解决难题的新思路。可以用人工智能算法把超级计算机的预报结果尽可能地、自动地、不用人工干预地修正到与实际观测数据更接近，以达到“天气预报越来越准”的终 极目标。人工智能在气象领域更多是一种技术，充分应用大数据和人工智能技术，建设全覆盖、智能化的气象预报业务体系，做出更精准的天气预报。

       机器学习
 
       是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能及模式识别领域的共同研究热点，其理论和方法已被广泛应用于解决工程应用和科学领域的复杂问题。它是人工智能的核心，是使计算机具有智能的根本途径。

       随着大数据时代各行业对数据分析需求的持续增加，通过机器学习高效地获取知识，已逐渐成为当今机器学习技术发展的主要推动力。大数据时代的机器学习更强调“学习本身是手段"机器学习成为一 种支持和服务技术。如何基于机器学习对复杂多样的数据进行深层次的分析，更高效地利用信息成为当前大数据环境下机器学习研究的主要方向。所以，机器学习越来越朝着智能数据分析的方向发展，并已成为智能数据分析技术的一个重要源泉。

       大数据的价值体现主要集中在数据的转向以及数据的信息处理能力等等。在产业发展的今天，大数据时代的到来，对数据的转换，数据的处理数据的存储等带来了更好的技术支持，产业升级和新产业诞生形成了一种推动力量，让大数据能够针对可发现事物的程序进行自动规划，实现人类用户以计算机信息之间的协调。 另外现有的许多机器学习方法是建立在内存理论基础上的。大数据还无法装载进计算机内存的情况下，是无法进行诸多算法的处理的，因此应提出新的机器学习算法，以适应大数据处理的需要。大数据环境下的机器学习算法，依据一定的性能标准，对学习结果的重要程度可以予以忽视。 采用分布式和并行计算的方式进行分治策略的实施，可以规避掉噪音数据和冗余带来的干扰，降低存储耗费，同时提高学习算法的运行效率。