7月10日，清华大学软件学院院长王建民一行应邀前往中国气象局，与国家气象中心技术骨干开展关于深度学习技术在智能预报领域的应用交流，就双方合作推动智能预报技术发展和业务落实达成重要共识。国家气象中心主任毕宝贵听取了交流报告，业务科技处、相关台室领导以及国家气象中心大数据与智能预报团队相关人员参会。

[图片] 会议现场

清华大学龙明盛博士作了《短临预报中雷达数据分布式深度学习与分钟级外推》的报告，介绍了前期与国家气象中心在大数据平台和深度学习方面取得的进展。清华大学与国家气象中心联合团队通过对比国内外多种深度学习模型，并结合雷达资料特点，提出了PredRNN网络模型，在神经网络训练过程中的内存占用量和外推检验结果比现有网络存在明显改进，相关技术处于国际先进水平。与传统方法相比，基于深度神经网络的雷达资料外推模型对雷达回波的生消演变有一定的预报能力，在冰雹、强降水等短临天气预报中表现出了良好的应用前景；在此基础上，结合MICAPS分布式数据环境和SWAN现有成果，提出了初步的基于深度学习的临近预报生产系统原型，并展望了机器学习算法在短期定量降水预测方面应用。

[图片] 龙明盛老师作主题报告

在主题报告之后，双方数据科学专家和气象领域专家就基于深度学习的短临雷达回波推演问题和短期定量降水问题进行了讨论。强天气预报中心主任张小玲表示，清华团队的进展让她感到振奋，深度学习方法将会给短临预报带来新的突破。同时，张小玲主任指出结合气象物理知识的外推算法可能会取得更好的结果。天气预报室主任宗志平表示，在定量降水预报方面已经考虑了非常多传统的方法，取得了一定的成果，但目前还没有充分利用大规模历史数据和人工智能技术的基础平台，对取得进一步突破形成瓶颈，希望得到清华大学的支持。

王建民教授在总结中提到，国家气象中心具备丰富的气象业务数据和领域知识，而清华大学软件学院在大数据和人工智能技术上有长期的积累，双方需要进一步加强合作，推动大数据和人工智能技术在短临预报、定量降水预报等气象问题的工程化，推动智能预报技术和业务能力取得新的突破。

毕宝贵主任充分地肯定了自2016年底以来双方在基于深度学习方面的合作成果，向合作方清华大学软件学院表示感谢。他指出，未来要加强双方合作，要实现近年来机器学习领域最新成果与气象部门更为擅长的天气物理机制之间的跨界融合，在大数据与人工智能基础支持系统、临近短时预报、定量降水预报领域深入合作，争取在明后年取得突破；加强数学科学专业人才队伍建设，积极探索与清华大学联合培养、人员交流机制；建立开放共享的联合工作机制，推动天气预报领域机器学习技术开发和应用，开展天气预报机器人技术研制。