隨著惡劣天氣的臨近和潛在的威脅生命的危險，如大雨、冰雹或龍捲風，早期警告和精確預測是至關重要的。科羅拉多州立大學的氣象研究人員已經為風暴預報員提供了一個強大的新工具，以提高他們預測的可靠性，在這個過程中可能會拯救生命。

近年來，大氣科學系教授和科羅拉多州氣候學家Russ Schumacher帶領一個團隊創建了一個先進的機器學習模型，以加強美國大陸的危險天氣預測。該模型最初根據歷史上的過量降雨數據進行訓練，被稱為CSU-MLP（科羅拉多州立大學-機器學習概率），已經發展到能夠提前四到八天準確預測龍捲風和冰雹等事件，這是預報員向公眾傳播信息以做好準備的關鍵窗口。

在研究科學家亞倫-希爾的帶領下，在過去兩年多的時間裡一直致力於完善該模型，該團隊最近在美國氣象學會雜誌《天氣與預報》上發表了他們的中程（四到八天）預測能力。

研究科學家Aaron Hill在風暴預測中心向預報員介紹CSU-MLP。

研究人員現在已經與俄克拉荷馬州諾曼的國家風暴預測中心的預報員合作，測試該模型並根據實際天氣預報員的實際考慮對其進行完善。該工具不是人類預報員寶貴技能的替身，而是提供了一個不可知的、增強信心的措施，以幫助預報員決定是否發布關於潛在天氣的公共警告。

希爾說：”我們的統計模型可以作為一種指導性產品使業務預報員受益，而不是作為一種替代。”

Israel Jirak, MS ’02, Ph.D. ’05, 是風暴預測中心的科學和運營官員，也是該論文的共同作者。他稱與CSU團隊的合作是”一個非常成功的研究到操作的項目”。

“他們開發了基於概率機器學習的惡劣天氣指導，在統計學上是可靠和熟練的，同時對預報員也是實際有用的，”Jirak說。俄克拉荷馬州的預報員每天都在使用CSU的指導產品，特別是當他們需要發布中程惡劣天氣展望時。

CSU博士生Allie Mazurek與預報員Andrew Moore討論CSU-MLP。

該模型是在一個非常大的數據集上進行訓練的，該數據集包含了美國大陸大約九年的詳細歷史天氣觀測數據。這些數據與氣象學的回顧性預測相結合，這是根據過去天氣事件的結果創建的模型”再預測”。CSU的研究人員從這些模型預測中提取環境因素，並將它們與過去的龍捲風和冰雹等惡劣天氣事件聯繫起來。其結果是一個可以實時運行當前天氣事件的模型，並根據當前的環境因素如溫度和風力，在四到八天的時間內計算這些類型的危險的概率。

博士生Allie Mazurek正在從事該項目，並試圖了解哪些大氣數據輸入對該模型的預測能力最為重要。她說：”如果我們能更好地分解模型是如何進行預測的，我們就有希望更好地診斷出為什麼在某些天氣設置中模型的預測是好的或壞的。”

希爾和馬祖雷克正在努力使該模型不僅更加準確，而且對使用它的預報員來說也更加容易理解和透明。對於希爾來說，最令人欣慰的是知道多年來完善機器學習工具的工作現在在公共、業務環境中產生了變化。

“我喜歡基礎研究。我喜歡了解有關我們大氣層的新事物。但是，擁有一個能夠提供改進的警告和改進的圍繞惡劣天氣威脅的信息的系統是非常有意義的，”希爾說。