2021年3月下旬，中国气象局天气预报科技成果中试基地组织召开2021年天气预报科技成果准入评审会议。河海大学基于智能网格降水的洪水-滑坡耦合式预报技术”、北京理工大学“基于时空神经网络的精细化空气质量预报技术”和南京信息工程大学“基于多尺度城市冠层模式的大气污染模拟技术”3项科技成果通过专家组的准入评审，顺利通过业务转化准入。

天气预报(测)或气象预报(测)是使用现代科学技术对未来某一地点地球大气层的状态进行预测。从史前人类就已经开始对天气进行预测来相应地安排其工作与生活(比如农业生产、军事行动等等)。今天的天气预报主要是使用收集大量的数据(气温、湿度、风向和风速、气压等等)，然后使用目前对大气过程的认识(气象学)来确定未来空气变化。由于大气过程的混乱以及今天科学并没有最终透彻地了解大气过程，因此天气预报总是有一定误差的。

　　

　　智能型网格预报技术体系，构建无缝隙、全覆盖的智能网格预报业务体系，提升业务发展科技支撑能力。所谓智能网格预报是以往传统的天气预报是城镇站点预报不同，以往的站点预报是用单个的预报点表示一个城市或县城未来几天的天气变化。由传统站点预报向网格化、定量化、智能化预报逐步转变。借助人工智能和大数据，一张载有预报服务数据的“大网”正均匀铺展开来，基于位置的天气预报正在被人们熟知，人在哪个网格里，就能得到该网格的天气预报。

　　

　　“网格”计算作为一个重要的新领域，已经掀起了全球范围的研发热潮。 人工智能技术研究的目的在于解决大型复杂的现实问题，而解决这类问题已超出单个主体的能力，多Agent 系统就是在这种背景下产生的，智能网格系统从某种程度上讲就是一个多Agent 系统。

　　

　　智能网格模型的主要目标是建立一个兼容环境，以便使各种分布式资源能够以统一接口界面调度使用。智能网格模型要求所有被访问设备都运行在IP 协议下并且每一设备有确定的IP 地址。智能网格模型的底层硬件结构模型中，每一节点都与Internet相连，并且都有一个固定IP和基本的数据处理能力

　　

　　智能网格要解决的根本问题是通过网格的一系列技术，透明地使用整个网络上的资源。为此智能网格简化了资源的概念，以硬件作为资源的主体，把软件、数据等看成是资源的属性。在智能网格体系结构中，基本I/O对象代表底层对象服务，数据控制对象代表的是数据流的控制机制。用户在使用功能时，通过一种代理机制进行间接访问，这种代理机制允许一个用户同时调用多个相同类型的服务提供者进行工作。它的好处在于系统具有并行处理的能力，并且系统的容错能力明显增强，当一个服务接口发生故障时Agent可以把调用转移到另一个相同类型的接口上，而不会导致应用崩溃。智能网格中的基本I/O对象及Agent都具有“即插即用”的能力。当一个对象被接入智能网格，它就会被智能网格中的扫描器发现，其它对象可以通过扫描器查看此对象的信息，对其访问;或者对象接入智能网格直接寻找已经定义好的对象区域，自动加入应用。

　　

　　人工神经网络，是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象， 建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

　　

　　最近十多年来，人工神经网络的研究工作不断深入，已经取得了很大的进展，其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。

　　

　　人工神经网络模型主要考虑网络连接的拓扑结构、神经元的特征、学习规则等。目前，已有近40种神经网络模型，其中有反传网络、感知器、自组织映射、Hopfield网络、波耳兹曼机、适应谐振理论等。根据连接的拓扑结构，神经网络模型可以分为：

　　

　　前向网络：网络中各个神经元接受前一级的输入，并输出到下一级，网络中没有反馈，可以用一个有向无环路图表示。这种网络实现信号从输入空间到输出空间的变换，它的信息处理能力来自于简单非线性函数的多次复合。网络结构简单，易于实现。反传网络是一种典型的前向网络。

　　

　　反馈网络：网络内神经元间有反馈，可以用一个无向的完备图表示。这种神经网络的信息处理是状态的变换，可以用动力学系统理论处理。系统的稳定性与联想记忆功能有密切关系。Hopfield网络、波耳兹曼机均属于这种类型。

　　

　　空气污染模拟是指常采用示踪法，模拟污染物质在大气中的扩散过程。空气污染模拟包括数据准备、污染建模与数值计算、可视化表达以及模型评估与结果分析等。空气污染模拟涉及到地理学、大气科学、环境科学、计算机技术等诸多学科的理论和方法等。

　　

　　空气污染模拟是指常采用示踪法，模拟污染物质在大气中的扩散过程。

　　

　　空气污染模拟包括数据准备、污染建模与数值计算、可视化表达以及模型评估与结果分析等。空气污染模拟涉及到地理学、大气科学、环境科学、计算机技术等诸多学科的理论和方法等。

　　

　　地理学可以为空气污染扩散模拟提供更加符合实际地学意义的地理边界条件(如土地利用、地形、建筑物等)，大气科学和环境科学能够提供专业的大气环流模型和污染扩散模型，而计算机技术则为模拟系统的构建与实现提供支撑。采用协同的方式，将分布异地的多学科领域专家联系在一起，实现跨学科知识共享，有助于提高空气污染模拟的科学性，从而为空气污染治理提供更加合理的决策支持。

　　

　　在空气污染模拟与控制的研究中, 确定空气运动变化的模型是基础性工作。由于污染物漂浮, 移动速度较慢, 扩散的影响不可忽略。因此,为了准确地预报空气质量, 有效地研究空气基本方程的扩散系数十分重要。

　　

　　新闻来源：中国气象局