由清华大学软件学院机器学习实验室与国家气象中心合作设计的基于自研深度自相关网络（Autoformer）的实时场馆气象预报系统，有效支撑了2022北京冬奥会的气象监控和预测工作。机器学习实验室在短临降水预报、极端强对流天气预报预警等业务中有着丰富的技术积累。其核心技术Autoformer模型为各个比赛场馆提供了风速及温度的预报支撑，使该系统实现了分钟级实时滚动更新的气象预报，补齐了气象实时预报的短板。

       毫无疑问，气象条件的变化对冬奥会的顺利举行和运动员的正常发挥起到至关重要的作用。例如，场馆温度会影响地面冰雪的形态，如果出现冰雪融化的现象会对比赛进程造成负面影响。同时，一些滑雪运动项目，比如大跳台、U型场地等，需要运动员在空中做出高难度的翻转动作。如果风速超过了标准值，则会影响运动员的动作质量，且存在一定的安全隐患。19日中午，北京冬奥会延庆赛区国家高山滑雪中心组委会曾宣布，因受大风天气影响，原定当天进行的高山滑雪混合团体比赛将延期至20日举行。由此可见，准确预测出场馆的温度、风速变化对于赛程规划、运动员备赛具有非常重要的意义。

谷爱凌参加大跳台项目夺得冠军

       Autoformer模型全面革新了Transformer结构，使用深度分解架构应对复杂时间模式，同时基于随机过程理论设计了自相关机制（Auto-Correlation），不同于离散点特征聚合的自注意力机制，Auto-Correlation首次实现了更加符合时间序列连续性的序列级特征聚合。相关论文已发表于机器学习顶级会议NeurIPS 2021中。

作者列表：吴海旭、徐介晖、王建民、龙明盛

       习近平总书记曾说“北京冬奥会是展现国家形象、促进国家发展、振奋民族精神的重要契机。”参与该项目研发的同学们都感到非常幸运和自豪。短短11个月，小组成员在龙明盛老师的指导下完成了技术创新、系统搭建、算法优化、系统上线等一系列工作。项目研发的主要成员吴海旭由衷感叹道：“通过这次项目，我深刻体会到了‘把论文写在祖国大地上’的含义。很多算法创新与工程经验都是从实际应用、交流讨论中慢慢摸索出来的。”他表示非常幸运能够参与到冬奥会的相关工作中，也非常高兴Autoformer经受住了冬奥会实际应用的考验。

       项目组成员徐介晖感到非常幸运能够如此近距离的感受冬奥，并将科研成果应用到这一盛事当中，同时他也倍感压力，气象预测结果的准确性对于运动会的赛程规划会产生非常大的影响。但实验室的师生们戮力同心、和衷共济，最终没有辜负学校和国家的期望。他满怀信心的讲到：“正如男子1000米短道速滑冠军在赛后说的那样——我们这代年轻人充满希望，我们可以为国家付出一切，为国家作出贡献！”

清华大学软件学院机器学习实验室合影