解決方案 > 智慧政府 >
氣象人工智慧應用
協助氣象作業單位導入大數據與AI技術，強化公眾氣象服務，結合個人化設定，提供友善且客製化的氣象資訊。「雲寶問天氣」聊天機器人運用資拓宏宇iNana LLM引擎，整合氣象百科、常見問答與生成式AI，提升互動式查詢體驗。同時結合衛星資料與AI模型，推估降雨位置與強度，並預測颱風強度，強化氣象預報的準確性與實用性。透過AI Workflow與AI Agent實現任務自動化。
主要功能
機器學習
跨領域模型應用
AI模型引用
智慧型任務自動化
特色介紹
雲寶AI問天氣
AI衛星反演
AI降雨反演模型
颱風強度預測系統
智慧氣象查詢服務
應用情境
介紹
為滿足民眾日益多元的氣象服務需求，氣象作業單位積極導入大數據分析與人工智慧技術，以深化對使用者行為與偏好的了解，進而提供更友善、精準與具個人化的公眾氣象服務。透過數據驅動的方式進行服務創新，強化資訊傳遞效率與互動性，有效貼近民眾日常生活應用場景。如氣象署推出的「雲寶問天氣」AI聊天機器人，正是結合人工智慧技術實現生活化氣象查詢服務的代表案例，致力於讓民眾能以自然語言即時獲取所需氣象資訊。
核心解決方案
「雲寶問天氣」採用資拓宏宇開發的iNana智慧語意引擎為核心，整合氣象百科知識庫與常見問答資料，並融合生成式AI技術，提供更即時與互動的氣象諮詢體驗。使用者可透過文字或語音，與機器人對話查詢當前或未來天氣情況，進一步滿足對特定地點與情境下的需求。除此之外，氣象作業單位也利用衛星觀測資料與深度學習模型，推估不同天氣型態下降雨的空間分佈與強度變化，並強化對颱風發展趨勢與強度的預測能力。整體技術整合旨在提升氣象預測的精確性與即時性，並打造一套真正貼近生活、符合個別需求的智慧氣象服務系統。
預期效益
- 提升氣象預報準確度與即時性
藉由AI與衛星資料推估降雨與颱風強度，有效增強氣象預測效能。 - 實現個人化與互動式氣象服務
透過AI聊天機器人提供民眾量身打造的氣象資訊體驗。 - 促進氣象資訊普及與易用性
以自然語言對話方式降低查詢門檻，增強服務親民度與可及性。 - 智慧化工作流程
透過AI Workflow與AI Agent實現任務自動化、決策輔助與跨系統整合，提升作業效率與準確性。
IISI優勢
一、機器學習應用優勢
- 累積多年衛星資料應用與建模經驗
具備衛星遙測影像解譯與多光譜資料處理能力，已應用於降水反演、雲層分類、颱風特徵擷取等，為機器學習建模提供高品質資料基礎。 - 具備完整的資料前處理與特徵工程技術鏈
從多源氣象資料清理、時空對齊，到統計分析、特徵提取，已建構完整的資料管線流程，可有效支援 ML 模型訓練與部署。 - 導入機器學習及深度學習技術於氣象實務
已發展機器學習，如XGBoosting；或是非線性之深度學習技術，如LSTM、CNN等演算法及特徵工程、門閥或是注意力機制，成功應用於區域性季節降雨預測、颱風強度估計、天氣型態分群等任務。 - 結合業界工具與自研模組，彈性高效
模型建置採用 Python、PyTorch、TensorFlow 等主流工具，並搭配自有開發介面與演算法，提供可客製化調整的模型服務平臺。
二、跨領域模型應用優勢
- 整合氣象、海象、地理、環境等多源資料建模
系統可整合海氣象觀測、遙測影像、地理圖資、歷史災害資料等異質資料，建構橫跨多領域的資料集與分析模型。 - 氣象與產業應用需求對接經驗豐富
已參與農業、能源、交通、公共安全等不同領域專案，具備依據場域條件與業務需求調整模型架構與特徵輸入的能力。 - 模型應用涵蓋從現象預測到決策建議
應用 AI 模型不僅預測氣象現象（如颱風強度、降水機率），亦延伸至風險等級分級、資源配置建議與應變時機判斷，提升系統智能化決策支援能力。 - 與顧問公司合作導入 ESG／TCFD 等應用場景
與顧問團隊協作導入氣候財務風險揭露（TCFD）建模技術，結合氣象資料與企業財務風險資訊，提供ESG智能化評估解決方案。
三、AI模型引用與部署優勢
- 已成功部署多項氣象AI模型於作業流程中
包含「衛星影像反演降雨預測」、「颱風強度即時反演」、「雲寶問天氣」等，均已於實務中穩定運作並獲用戶肯定。 - 具備容器化模型部署與雲端彈性資源管理機制
搭配Docker、Kubernetes等容器技術，模型可快速部署於各類環境，並支援GPU 加速與 API 服務化介接，實現模型即時應用與維護便利。 - 導入模型監控與效能評估模組
系統內建模型準確度追蹤與預測誤差監控機制，可依據季節、地區、自變量變化調整模型參數，強化模型持續優化能力。
代表客戶
交通部中央氣象署
