要“正确”预测天气，需要我们最好的气象学家尚未预言的千里眼。换句话说，他们通常是完全错误的。

天气预报在很大程度上是一个数据有限的问题。如果您可以访问每一个有贡献的变量，那么您会做得很好。问题是一个人只能访问一个子集，并且机制仍然没有被完全理解。我不是气象学家，但我也怀疑我们拥有的传感器很少。我想要平行和垂直于地球表面的 100 米间隔的温度、湿度、风速和气压，以及历史数据、变化率、海洋温度和洋流，以及每个空载燕子的空速速度区域。

这里有一个关于如何使用神经网络进行天气预报的很棒的教程。

回答您的问题：神经网络很酷，因为它们不需要我们所谓的特征工程，即决定哪些因素是重要的，因为在训练期间算法会理解什么对任务至关重要。

您必须了解 [统计、概率 -> ML] 和 [物理学、科学 -> 气象学] 之间的区别。在第一组中，我们使用以前的数据来寻找数据之间的相关性，在第二组中，他们使用方程和定理等科学知识来寻找答案。