印度AI模型革新：精准预测孟买极端降雨

近年来，孟买的极端降雨事件频发，给城市带来了诸多挑战。为解决这一难题，印度理工学院孟买分校携手马里兰大学，创新性地开发了基于卷积神经网络（CNN）与迁移学习（CNN-TL）的预测模型，实现了对极端降雨事件的提前预报。

每年6月至9月，孟买进入季风季节，降雨量显著增加。然而，传统全球预报系统因分辨率不足，难以捕捉局部天气特征。对此，研究团队利用CNN和CNN-TL技术，成功提高了降雨预测的精度。

该模型不仅实现了城市尺度的超本地化预测，还通过事件同步方法和Louvain算法揭示了孟买极端降雨的空间同步模式。根据Science的最新报道，这一成果有望被纳入官方预警体系，标志着南亚城市洪水预报进入新阶段。

研究亮点包括：实现城区级别的超本地化预测；结合全量降雨数据训练模型，有效提高极端事件捕捉能力；通过事件同步方法和Louvain算法揭示空间同步模式。

研究使用的数据集分为模式数据和实测数据两类，经过严格的预处理后，构建了“输入-输出”对，作为训练样本。

模型以GFS数据为输入，结合实测降雨，通过卷积神经网络将粗分辨率预报下调至站点尺度，再用迁移学习优化极端降雨预测。最终，结合站点对比识别区域暴雨同步性，提高整体预报精度。

研究团队还引入了事件同步方法，通过比较不同站点的降雨时间序列识别区域性暴雨。此外，卷积神经网络模型的下调和迁移学习微调进一步优化了预测性能。

模型性能通过多种统计指标与实际案例验证，表现显著优于传统全球预报系统及未优化的卷积神经网络模型。在提前1至3天的预报中，迁移学习模型表现尤为突出。

印度政府正积极推动AI发展，启动“IndiaAI Mission”，计划在未来几个月内完成多个本土基础模型的研发。此举不仅将提升印度在AI领域的竞争力，还将为医疗、政务等多个领域带来革新。

参考链接：

1.https://timesofindia.indiatimes.com/technology/artificial-intelligence/government-selects-indian-ai-company-sarvam-to-develop-nations-first-sovereign-large-language-model/articleshow/120645896.cms

2.https://indiaai.gov.in/article/union-minister-of-electronics-it-railways-and-i-b-announces-the-availability-of-18-000-affordable-ai-compute-units

3.https://www.electronicsforyou.biz/industry-buzz/indiaai-mission-expands-to-18693-gpus-for-rd/