NASA的研究可有助于改进对飓风是否会突然加剧的预测，从而使人们有更多的时间准备飓风。

2015年10月，东北太平洋帕特里夏飓风在24小时内从第1级风暴爆炸成第5级怪物，风速从86英里(每小时138公里)跃升到207英里(每小时333公里)。帕特里夏飓风并不是在如此短的时间内突然加强的第一次或最后一次飓风，但它是几十年来一直困扰着气象预报的现象的惊人表现。

准确预测飓风是否会在24小时内风速增加35英里(56公里)或更多的情况下迅速加剧，是极其困难的。不过，在NASA南加州喷气推进实验室(Jet Propulsion Laboratory)的科学家领导下，研究人员利用机器学习来开发一种实验计算机模型，该模型有望大大提高检测快速强化事件的准确度。

“这是一个重要的预测，因为它可能会对人和财产造成损害， ” JPL大气科学家许仕仁（Hui Su ，音译）说。她和同事们，包括美国国家海洋与大气管理局(National Oceanic and Atmospheric Administration)国家飓风中心(National Hurricane Center)的一名研究员，在8月25日发表在《地球物理研究信件》(Geophysical Research Letters)杂志上的一篇论文中描述了他们的预测模型。

眼睁睁看着内工人

飓风预报分为两部分：轨道和强度。科学家和预测员非常善于预测飓风会在哪里登陆。但预测其强度仍给他们带来麻烦，因为这取决于周围环境以及风暴中发生的事情。飓风中的一些特性，比如雨的强度，以及空气垂直移动的速度，都是难以衡量的。

也很难确定哪些内部特点导致这些风暴迅速加剧。但在仔细研究了多年的卫星数据后， Su和她的同事发现，一个很好的迹象表明，飓风在未来24小时里的强度会如何变化，那就是，风暴的内心深处，即眼睛半径62英里（100公里）以内的地区，或眼睛周围密集的雷暴墙的降雨量。飓风来袭的难度越大，风暴就越有可能加剧。该小组从热带降雨测量飞行任务中收集了这些降雨数据，该飞行任务是美国航天局和日本宇宙航空研究开发机构于1997年至2015年开展的一个联合卫星项目。

此外，研究人员发现，风暴强度的变化取决于他们从美国航天局CloudSat观测中收集到的飓风测量数据中云层的冰水含量。飓风顶部从眼睛流出的空气温度，即所谓的外流温度，也是造成强度变化的因素。Su及其同事从美国航天局在Aura卫星上的微波Limb Sounder（MLS）以及其他数据集中获得了流出温度测量。

更多的学习权力

该团队将降雨量、冰水含量和气温超标预测器添加到了国家飓风中心(National Hurricane Center)已经在其运行模型中使用的那些预测器中，以便通过机器学习得出自己的预测。飓风中的变量太多，而且以如此复杂的方式相互作用，以至于许多目前的计算机模型难以准确地描述这些风暴的内部运作情况。然而，机器学习能够更好地分析这些复杂的内部动态，并确定哪些特性可能促使飓风强度突然上升。研究人员利用IBM Watson Studio的计算算法能力开发了他们的机器学习模型。

然后，他们在1998年至2008年期间培训了风暴模型，并在2009年至2014年期间使用不同的风暴对模型进行了测试。Su及其同事还将其模型的性能与国家飓风中心2009年至2014年相同风暴的业务预测模型进行了比较。

对于风在24小时内增加至少35英里(56公里)的飓风，研究人员模型探测快速强化事件的可能性比目前的业务预测模型高60% 。但是，对于那些风力在24小时内跃升至少40英里（64公里）的飓风，新模式探测到这些事件的能力比实际运作模式强200 ％ 。

Su和她的同事，包括国家飓风中心的合作者，正在测试他们在当前飓风季节的风暴模型，以衡量其性能。今后，他们计划筛选卫星数据，以找到能够改进机器学习模式的更多飓风特性。预测者，比如飓风的一个部分比另一个部分更加下雨，可以让科学家更好地了解风暴的强度可能会随着时间的推移而发生变化。