使用机器学习技术开发的 FuXi 天气预报系统，在全球 15 天天气预报方面表现与 ECMWF EM 相当，是第一个取得这一成就的 ML-based 天气预报系统。

Jun, 2023

FengWu-GHR 是第一个以 0.09° 水平分辨率运行的基于数据驱动全球天气预报模型，该模型通过继承来自深度学习预训练低分辨率模型的先前知识实现了高分辨率的天气预测，2022 年的天气预测回测结果表明 FengWu-GHR 优于 IFS-HRES，并且对站点观测数据和极端事件的案例研究支持了 FengWu-GHR 在高分辨率下的竞争性操作预报技能。

Jan, 2024

本文提出基于深度学习的 Pangu-Weather 系统，用于快速而准确的全球天气预报。通过大量数据和深度神经网络，提高了预报精度，成功地将 AI 方法的预报准确度超越了传统的数值天气预报方法，为未来深度学习天气预报系统的改进提供了新方向。

Nov, 2022

机器学习在天气预报领域取得了显著进展，其中 FuXi 模型及其改进版 FuXi-Extreme 在预测极端天气事件方面表现出色，但面临着预报提前时间增加时预测结果变得平滑从而低估极端天气事件强度的普遍挑战。

Oct, 2023

Ensemble weather forecasting has traditionally relied on computationally expensive numerical weather prediction models, but the FuXi-ENS machine learning model provides advanced global ensemble weather forecasts with improved spatial resolution and outperforms traditional models in most cases.

May, 2024

该研究论文通过将全球人工智能天气预报模型 FengWu 与四维变分同化算法集成，开发出一种 AI 驱动的循环天气预报系统 FengWu-4DVar，该系统可以将观测数据融入数据驱动的天气预报模型，通过考虑大气动力学的时间演化，以无需物理模型的辅助方式进行循环预测，从而获得准确的分析场，实现精确和高效的迭代预测。

Dec, 2023

使用图神经网络的数据驱动方法预测全球天气，通过学习当前 3D 大气状态的六小时步长以及多步连接，可以产生数天后的精准预报，测试表现优于以前的数据驱动方法，并且与 GFS 和 ECMWF 的物理模型的全分辨率相当可比。

Feb, 2022

超过 2 周的熟练次季节预测对社会各个领域的广泛应用至关重要。本研究介绍了基于机器学习的 FuXi-S2S 次季节预测模型，它以全球每日平均预测为特点，覆盖了 13 个压力层上的 5 个高层大气变量和 11 个地表变量，提供了高达 42 天的预测。与 ECMWF 的次季节预测相比，FuXi-S2S 模型在总降水、出射长波辐射和 500 hPa 高空位势等方面展示出优越的确定性和集合预测，对 Madden Julian Oscillation (MJO) 的预测从 30 天延长到 36 天。

Dec, 2023

全球天气预报系统中关键的数据同化模型 Adas 与 AI 天气预报模型 FengWu 的组合系统 FengWu-Adas 表现出高水平的预报技能，在七天的天气预报中超过了集成预报系统 (IFS)。

Dec, 2023

在本论文中，作者介绍了 Kunyu 模型，它是一个全球数据驱动的天气预测模型，通过整合回归和对抗学习，生成更清晰和真实的预测，优于 ECMWF HRES 在一些方面并与其在 RMSE 和 ACC 等评估指标上竞争力保持一致，是在缩小数值和数据驱动天气预测之间的实用性差距方面迈出的重要一步。

Dec, 2023