作者 kadar (卡卡達達)
標題 [新聞] 丹娜絲路徑迂迴曲折 傳統與AI孰優孰劣?
時間 Tue Jul  8 12:09:37 2025


(一)新聞標題
*請將新聞全部標題文字列於此。發文可刪除此行
丹娜絲路徑迂迴曲折 傳統與AI孰優孰劣?


(二)新聞內容
*歡迎上色列出重點(非必要)。發文可刪除此行
熱帶氣旋丹娜絲採取罕見路徑,其胚胎在菲律賓以東海域形成後緩慢向西移動,風暴其後
於南海東北部發展,並加速轉向東北移動,最終直接登陸台灣西部。迂迴曲折的路徑背後
,是甚麼天氣系統「作怪」?就此複雜個案,不同電腦模式又有何表現?


丹娜絲路徑較難預測,主因是近期熱帶對流層上部槽活躍,並不斷有高空冷渦分離發展。
這些高空冷渦的位置稍有出入,已足以影響風暴對流發展。由於風暴胚胎階段中心不穩,
對流發展的細微差異,足以影響系統整合,並對後續路徑造成「骨牌效應」。


另一方面,近期副熱帶高壓脊主體偏北,與丹娜絲之間不時有高空冷渦相隔,導致未能取
得引領風暴的主導權。隨著副高主體進一步往東北調整,更接近丹娜絲,位於風暴東南側
的赤道反氣旋便取得優勢,並引導丹娜絲往東北移動。


在本次個案中,無論是傳統還是人工智能電腦模式,在丹娜絲成旋前均未能提供穩定、準
確的預報。以近年聲名大噪的中國盤古人工智能模式為例,雖然一度預測丹娜絲沿台灣西
部北上,但亦「彈出彈入」,不時顯示風暴登陸廣東沿岸。


而觀乎丹娜絲成旋前四、五日的預報,則可發現不少人工智能模式預測風暴胚胎移動速度
較快,因此在副高主體東退前,風暴已經「直衝」廣東沿岸。相比之下,主流傳統模式預
測風暴胚胎整合位置偏東,導致風暴未進入南海已轉向東北移動。最終丹娜絲初期移動速
度不如人工智能模式預測快,但整合位置亦不如傳統模式預期東。


https://i.meee.com.tw/jZiPC4z.jpg
[圖]

電腦模式準確程度,可透過事後統計的數據驗證。但正如評估學生能力一樣,設卷設計,
是否「一試定生死」,甚至何時開始「計分」等因素,均會影響學生成績。若抽取單一預
報便斷言某一電腦模式較準確,這份「成績表」其實未必全面反映學生能力。


至於涉及高空冷渦的大氣形勢,電腦模式「炒車」其實有不少先例。事實上,以前電腦模
式甚至會「鬼遮眼」無視高空冷渦,導致預測與實況差天共地。現今電腦模式較以往成熟
,對高空冷渦有所拿捏,但亦不是「百發百中」。若在風暴初生階段遇上這種大氣形勢,
分析電腦模式時應更為謹慎,不應將預報結果「照單全收」。




(三)新聞連結
*連結若過長請另縮網址
*新聞貼文內容若為取材為fb貼文,則另應附上原fb連結.發文可刪除此行

https://pse.is/7urmv4
丹娜絲路徑迂迴曲折 傳統與人工智能預報孰優孰劣? | 氣象資訊 | MET WARN 天氣預警 熱帶氣旋丹娜絲採取罕見路徑,其胚胎在菲律賓以東海域形成後緩慢向西移動,風暴其後於南海東北部發展,並加速轉向東北移動,最終直接登陸台灣西部。迂迴曲折的路徑背後,是甚麼天氣系統「作怪」?就此複雜個案,不同電腦模式又有何表現? ...

 


(四)其他心得或備註
*請附上50字以上心得,內容應包含簡述此篇新聞的重點或心得,
  若新聞內容有上色而未達字數標準者,版主將視情況酌減此處心得字數標準。
  發文可刪除此行

看的出來此次模式掌握程度其實都沒有很好 幾乎每報都有不同劇本

等到木恩、冷渦等複雜因素都影響甚微後才有較高準確度的預測

要再繼續觀察傳統物理模型與人工智慧模型的成長及差異了

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.133.216.116 (臺灣)
※ 作者: kadar 2025-07-08 12:09:37
※ 文章代碼(AID): #1eR9e5RJ (TY_Research)
※ 文章網址: https://www.ptt.cc/bbs/TY_Research/M.1751947781.A.6D3.html
※ 同主題文章:
07-06 03:28 Matthew10244
07-06 04:18 Matthew10244
07-06 15:04 nari900916
07-07 12:36 azcooper
07-08 12:09 kadar
exempt: AI 對於颱風強度的預測....1F 07/08 12:21
airua: 應該可以觀察AI每年進步的幅度2F 07/08 12:24
exempt: EC-AIFS 低估了 丹娜斯的強度了
3F 07/08 12:24
kbty245: 傳統模式也沒抓到丹娜絲的強度5F 07/08 12:28
[圖]
Lemonfish004: 要看可能強度請用颶風模式(HWRF HMON HAFS)7F 07/08 12:48
aegis43210: AIFS團隊有說他們針對FV3的特色去強化學習,但可能AI真的不擅長預測強度
今年主要是觀察微軟提升解析度(降尺度)的方法有沒有8F 07/08 13:04
vaughn: 如果對生成的位置和初期強度掌握很弱的話,也等於對一個系統產生後,它附近的新系統掌握力弱,自然無法對二個或三個系統對高壓相對位置的互相影響,做出好12F 07/08 13:11
aegis43210: 總之就算有了AI,碰到這種路徑的颱風,還是沒辦法在三天前確定會登陸,沒留給民眾足夠的防颱準備時間還是比較可惜的15F 07/08 13:13
vaughn: 的判斷
不過我相信這部分Ai隨著之後發展,很快能補上這塊Ai才發展沒多久,這二年就有蠻多精奇的成績,後面的進步應該可以期待18F 07/08 13:13
ICEFTP: 冷低、多中心渦度、副高強度、高空槽線、季風環流以上這幾點,都會讓預測變得相當難掌控
下週起又有季風環流 又是很難預測的場合
簡言之 大氣的預測是一個3D立體的流體,加上地形、海洋、日照及初始條件的變動,要掌變的變數很多
有點蝴蝶效應裡的那句老話 一點點的變化累積起來
結果就大為不同22F 07/08 13:16
lyl817: 未來將是AI的天下29F 07/08 13:33
ICEFTP: AI還需要多得到更多的數據訓練才會更準
但凡事總有意外 特別是短延時氣象變動 是AI很難提前可以預報出來的30F 07/08 13:45

--
作者 kadar 的最新發文:
點此顯示更多發文記錄