据报道，日本海洋研究所和九州大学的研究团队使用人工智能深度学习技术开发了一种高精度方法，可以从全球云系统分辨率模型（NICAM）气候实验数据中识别热带低压迹象。这种方法可以在一周前的夏季识别西北太平洋的热带低压迹象。通常通过卫星观测和监测云的演变以及对观测数据进行气象模型模拟来预测热带低压（例如台风和飓风）的发生。但是，大气现象是非常非线性的，并且不同天气模型预测的未来天气结果将有很大的偏差。近年来，人工智能技术的飞速发展，可以基于特定类型的大数据进行深度学习，发现特定现象，从而可应用于不确定性的气象领域。使用深度学习获得更高的识别精度需要针对每种类型的天气使用大量数据和数千张图片。研究团队首先使用热带低压跟踪算法从20年全球云系统分辨率模型中累积的气候实验数据中生成了50,000张热带低压初始云和演化中的热带低压云图像，再加上100万张巍已经演化为热带低压的低压云图片。总共105万张图片形成10组学习数据。使用深度卷积神经网络的机器学习，可以生成具有不同特征的10种类型的识别器，然后可以构造10种类型的识别器。识别器的结果是对集体识别器的综合评估。这种方法还可以预测台风的路径和强度，并预测大雨的发生。未来，研究团队将把数据驱动方法和模型驱动方法与以深度学习为代表的人工智能技术相结合，以进行新的海洋大数据分析。