Page 151 - 计算机应用软件开发技术研究

第四章 大数据与机器学习

模型之间的各种协同作用，其最终目标是混合建模方法，这些方法应遵循物理定
律具有概念化和可解释的结构，同时在理论薄弱的情况下完全适应数据。因此，
下一步的发展中这两种方法之间的协同作用应受到更大的关注，未来的气象模型

应该整合基于物理过程的和人工智能的方法，同时随着人工智能计算能力不断提
升，算法不断优化完善，机器学习在气象科学应用中还将具有以下潜力：
第一，有可能改变传统的气象观测模式，目前地面气象观测已经基本从传
统的人工观测转为自动观测模式，随着人工智能和机器学习的发展，基于物联网

“数据众包”的地面气象观测模式将为成为现实，另外基于图像识别的天气现象
观测仪器将会快速发展。第二，加速和改善气象观测数据的处理，目前来自卫星
的数据量显著增加，特别是小卫星和载荷搭载的商业天基数据呈现快速增长的趋
势，需要开发新的机器学习质量控制，空白图像填充，卫星数据反演算法和程序

对这些数据进行快速处理。第三，进一步改善数值天气预报质量，包括改进模式
的参数化方案、改善数据同化能力、加快并改善数值模型中的模型物理、改进模
型后处理能力等以及进一步提高雷达、卫星图像等的图像识别能力，通过图像识
别改进台风等极端天气型的分类和异常检测，改进临近预报能力。第四，进一步

推进地球科学的交叉融合。人工智能特别是深度学习可以为地球系统各组成部分
构建新的物理—数据联合驱动模型，从而重新建立我们对地球的理解，这将有利
于地球科学中大气科学、地理学、地质学等学科从发展理念、算法建模、仿真应
用等方面集成和协同发展，同时进一步推进各学科的深度融合。

四、机器学习在护理领域中的应用

随着医疗大数据的不断积累，高性能计算设备的出现和机器学习算法的深入
发展，人工智能技术被越来越多地应用在医疗领域。机器学习作为人工智能的核

心技术，适用于各种类型的数据，既能处理变量间的非线性交互作用，又能提供
跨复杂变量的分析解释，并从海量数据中筛选出关键因素，获得更稳健的预测分
析模型。该技术常用于病理诊断、临床决策、风险预测等方面，其精准性、系统
性、有效性已得到初步证实。机器学习在护理领域中的应用也越来越广泛。本书

从机器学习在不良事件和并发症、康复护理、慢病管理、护理管理、心理护理及
中医护理等多个方面进行系统综述，为中国临床医护人员提供数据挖掘的方向，
也为机器学习技术应用于护理实践提供借鉴。

·139·