1樓：呂蒙正Incubator
必然會。機器學習方法沒有任何理由會輸給老氣象預報員的經驗。
實際上，使用隨機森林這種簡單的機器學習模型，對數值模式結果進行mos，就足以在統計意義上戰勝絕大多數人類選手了.
github.com/jweyn/MOS-X每當WXchallenge宣布乙個新預報地點，韋恩就用該城市過去6-7年的天氣預報和實況資料來訓練MOS-X，將歷史預報與實際天氣進行比較，來了解不同情況下的模式偏差，並對其訂正。針對今年美國「最難預報城市」——科羅拉多州普韋布洛市的天氣，MOS-X提供了最好的預報。
而且，據競賽官網上公布的歷屆個人冠軍和成績列表顯示，韋恩-3.817的得分不僅是本屆最高分，而且還打破了賽會紀錄——三年前的最高分-4.058。
2樓：晴天小Q
現如今，年輕預報員確實依靠數值模式更多，相比傳統預報方法，數值模式更準確，對於他們評預報準確率的幫助也更大。
老預報員一般會兩者結合起來用，但往往不如年輕預報員報的準確。
數值模式確實是主流。但是不能忘了，傳統預報才是你理論的基礎。只有你知道了天氣到底因為什麼而瞬息萬變，你才有能力有實力去優化數值模式，提高預報準確率。
我們不能忘了源是什麼。我認為無論如何，傳統的方式勿必要傳承下去，這畢竟是歷代傳承的氣象精神。
做氣象，要發揮氣象人的精神，不忘本，才能真的提高預報準確率，而不是看幾張模式圖那麼簡單。
3樓：
目前來看其實很難想象數值預報能夠完全代替人類進行預報，但其實現在大部分預報員是跟著數值預報走的也沒錯。但像阿法狗這樣的都出來了，我覺得未來出現氣象領域的人工智慧預報員也不是什麼稀奇的事...
4樓：si san
一定會，因為AI可以利用大資料學習預報員的經驗，而預報員（大多數）卻無法學習各種模式。肯定還是會保留一批高水平預報員，他們的任務是不斷的對比實際天氣與數值預報的誤差，去完善數值預報。而大多數的普通預報員的預報水平是已經比不上數值預報了，更別說學習了預報員經驗的人工智慧了。
5樓：pbliu
預報員遲早得失業，現在的趨勢大概就這樣，但我很比較氣憤的是，氣象局裡吃乾飯的人多了，尤其那些行政人員，為嘛改革的危機感光籠罩在預報業務人員頭上呢？
6樓：霧靄流霓CAT
工具會不會代替人呢~很可愛而莊重的問題呢。不過氣象局裡面越來越多的閒人應該是毋庸置疑的事情吧。而且越來越多的人成為數值預報的傀儡，然後根據結果找理由。
為什麼這麼報，因為JMA或者EC是這麼報噠=.=
7樓：帕克和山姆
學校裡的老教員會每天手繪天氣圖線條流暢到不可思議系統分析的入木三分我等小輩望塵莫及教員說一定要經歷學習手繪並分析的過程這樣才可以以後用數值預報產品才可以做到庖丁解牛游刃有餘心中有數。至少BD裡KJ還是需要傳統天氣圖的。
8樓：
肯定會啊，看現在的測報業務，已經在慢慢退出了，變成了運維。數值預報，特別是集合預報，準確率越來越高。個人感覺以後預報員重心要轉向服務和研究了。
9樓：春寒
我覺得不會，數值預報產品確實讓我們預報得更準確了，但是不可能完全被取代，更為精準的預報還是會靠預報員的經驗。而且模式模擬需要考慮的條件太多，應用到某個地方，邊界條件是需要更改的，成本也會很大
10樓：秦李
我覺得有兩條出路。一是對數值產品進行再分析，去偽存真，根據經驗得出更合理可信的預報結果（這是在數值預報準確率未達到100%之前必須要做的工作）。二是根據各個行業需求，製作出更符合使用者需求的預報產品。
當天氣很熱，房間沒有空調，想過那些方法入睡嗎？
傻閪狗度 買個空調扇吧，真心有用的，看看那個牌子的水箱夠大，水板夠大就買那款。曾經在某個地方小住一段時間，沒空調，身上都長出痱子了，最後650買了個空調扇，解決了我1個多月的炎熱。 默默 我自己先說說自己幹過的蠢事 我想著既然天這麼熱，我就蓋著被子睡吧，等到熱的受不了的時候，我再忽然掀開被子，先苦後...
是否有好的傳統的醫學影象增強方法
賈敘寒 首先，感謝前面兩位學者對本問題的解答。我嘗試了兩位學者說的方法，但是對於本次大作業而言，效果並不是很好。這次作業結束了，總結下自己嘗試過的方法。對比實驗 直方圖均衡 Ahe CLAHE 主方法一 混合空間增強。在剛薩雷斯的數字影象處理中有講述，在此不做贅述。主方法二 USM 非銳化掩膜。可參...
有哪些深度學習效果不如傳統方法的經典案例？
Batist 我最近在做multivariate time series clustering，這個領域傳統popular 的方法就是dtw 弄乙個distance matrix 然後放到kmeans 裡。深度學習針對多元時間序列的，目前的方法大部分就是用rnn，tcn之類的學乙個low dimen...