Potential Paradigm Shift in Hazard Risk Management: AI-Based Weather Forecast for Tropical Cyclone Hazards

人工智能（AI）驱动模型的出现标志着气象灾害风险管理策略的范式转移。本研究以热带气旋（TCs）为例进行研究。我们采用基于扰动的方法，利用先进的Pangu AI天气模型生成集合预测。与传统方法不同，传统方法通常从Weather Research and Forecasting（WRF）模拟中为一个事件生成不到20个情景，而我们的方法利用AI驱动模型的快速性质可以创建数千个情景。我们提供对我们的模型的开源访问，并通过对影响北美、东亚和澳大利亚地区的重大TC事件进行回顾性案例研究来评估其有效性：2017年飓风Irma，2018年台风Mangkhut和2017年TC Debbie。我们的研究结果表明，AI生成的集合预测与欧洲中期天气预报中心（ECMWF）的集合预测在登陆前七天内非常一致。这种方法可以极大地增强天气预报驱动的风险分析和管理的效力，提供前所未有的操作速度、用户友好性和全球适用性。

本论文旨在利用人工智能驱动的模型改进气象灾害的风险管理策略，以热带气旋为例，通过工程化扰动方法生成集合预测，提高天气预报驱动的风险分析和管理的效果。

利用人工智能驱动的模型，通过工程化扰动方法生成数千个预测，提高天气预报驱动的风险分析和管理的效果。

通过对三个重大热带气旋事件进行回顾性案例研究，发现人工智能生成的集合预测与欧洲中期天气预报中心的集合预测在登陆前七天的预测结果相似。开源了模型，并提供了实验设计和使用的数据集。该方法可以大大提高天气预报驱动的风险分析和管理的效率和全球适用性。

最近的相关研究包括利用深度学习模型进行热带气旋路径预测和利用卷积神经网络进行气象数据分析和预测的研究。