极端天气事件难以预测，因为它们本质上是异常值——在有记录的历史中极为罕见。然而，现有的大多数风险评估方法都依赖过去的极端事件数据，才能描绘出未来更极端的最坏情景。
如今，MIT工程师开发出一款新工具，可在无需历史极端事件数据的前提下，生成合理的极端事件场景，并绘制出其特征图谱，例如极端风暴可能的持续时间、强度和影响范围。
这一方法以机器学习算法为核心，从某地区的日常天气记录和地图等数据集中学习规律，无论这些数据是否包含过去的极端偏差，如破纪录的高温或降雨。算法通过统计方式从现有数据中学习，排除不合理的天气情景，进而生成在特定频率下（例如百年一遇）可能发生的极端事件，并预测这些事件的规模、强度和持续时间。
MIT机械工程系博士生、MIT计算科学与工程中心成员Kai Chang表示："我们试图模拟那些前所未见、不在数据集中的极端事件。"
该项目负责人、MIT机械与海洋工程系William I. Koch讲席教授Themis Sapsis补充说："卡特里娜飓风这类事件大约每三四十年发生一次，那么百年一遇的'卡特里娜'会是什么样？会有多严重？这正是我们努力量化的问题，目的是帮助规划者为合理的极端情景做好准备。"
研究团队将这一方法命名为"Extreme Event Aware"，即"η学习"（η-learning）。相关论文于8月20日发表在开放获取期刊《自然·通讯》上。
比现有一切都更危险的情景
在评估极端天气风险时，规划者、政策制定者和保险公司通常会提出类似"纽约市百年一遇的风暴会是什么样"的问题。传统的计算机模拟方法需要以包含极端历史事件的数据为训练基础，才能生成未来情景。
Chang说："这些方法假设数据集中已经存在极端灾难性事件，并在此基础上估计风险或复现已发生的事件。而我们的目标是：那些比以往任何事件都更危险、却依然合理的前所未有的极端事件，会是什么样子？"
以纽约市为例：如果有记录以来最大降雨量为200毫米，那么能产生300毫米降雨的风暴会是什么样？这类事件从未发生过，却完全有可能出现。城市规划者需要了解这场风暴会袭击哪里、覆盖多大范围、强度如何，从而评估基础设施并规划加固方案。
极端学习
该团队的新算法无需依赖历史极端事件数据，即可生成合理的、前所未有的极端情景。算法结合学习两类数据的统计关系：点统计数据和空间地图。
研究人员以生成美国大陆未来极端降水事件地图为例进行了演示。他们以25年的小时级降水地图为基础，汇总成日地图，并计算出描述最大降雨量达到特定水平的频率的点统计数据。随后，算法仅用前六个月的低分辨率与高分辨率空间地图配对数据进行训练，这部分数据中几乎不含最极端的降雨情景。
算法从中学习低分辨率地图与高分辨率降水地图之间的模式对应关系，再结合点统计数据对降雨极值加以约束。这一组合使算法能够为训练数据之外的极端事件生成合理的空间分布模式，例如百年一遇的300毫米降雨事件可能出现的位置、范围和强度。
用户可以向训练好的算法提问："百年一遇的风暴在纽约市可能是什么样？"算法随即生成数千种统计上合理的风暴场景，涵盖风暴规模、覆盖范围和降雨强度等特征。
只要有相关的点统计数据和空间数据，该方法同样可以应用于极端洪涝、山火等其他前所未见事件的可视化模拟。
此外，这一方法还可拓展至机器人导航、金融市场等其他领域。Chang表示："金融市场崩溃是涉及多个板块的复杂极端事件，究竟是什么样的相互作用导致了市场崩溃？这正是该方法可以探索的问题。"
Sapsis总结道："极端事件已成为战略层面的关切，而不仅仅是环境问题。我们将全球系统优化到极致的代价，是几乎没有任何缓冲余地。一个极端事件可以在数周内波及供应链、能源市场和粮食系统。能够对一个尚未发生的事件给出概率评估，如今已是国家与经济韧性的核心问题。"
本研究部分由Vannevar Bush教师奖学金及美国空军科学研究办公室资助。
Q&A
Q1：η学习方法与传统极端事件预测方法有什么不同？
A：传统方法依赖历史上已发生的极端事件数据进行训练，才能模拟未来情景。而η学习方法无需历史极端数据，只需从日常天气记录等普通数据中学习统计规律，即可生成前所未见的极端事件场景。这意味着即使某类极端事件从未发生过，该方法也能预测其规模、强度和覆盖范围。
Q2：η学习方法具体能预测哪些极端事件？
A：目前该方法已被用于模拟美国大陆的极端降水事件，可生成百年一遇风暴的空间分布图，包括风暴可能出现的位置、覆盖范围和降雨强度。此外，该方法还可扩展至极端洪涝、山火等其他自然灾害场景，以及金融市场崩溃、机器人导航等非气象领域。
Q3：η学习方法对城市规划有什么实际价值？
A：规划者可以向系统提问"百年一遇的风暴在某城市会是什么样"，系统会生成数千种统计上合理的极端情景地图，涵盖风暴强度、持续时间和影响范围。这些信息可帮助城市评估防洪堤、电网等基础设施的承压能力，提前制定加固和应急方案，增强城市对极端事件的韧性。
