Jan, 2024

人工智能是否为天气预报提供第二次革命？

PDF
TL;DR人工智能天气预报模型的快速进展，尤其是近年来，已经导致了几个大参数人工智能天气预报模型的出现。本研究探讨了这些先进人工智能预报模型的演变，并基于找到的共同点，提出了它们发展的 “三大规则”。我们讨论了人工智能在革新数值天气预报方面的潜力，并简要概述了这个潜力的基本原因。此外，我们探讨了未来发展大规模人工智能天气预报模型的关键领域，整合整个数值预测过程。通过一个结合大规模人工智能模型与海洋波浪预报的例子，我们说明了预报员如何调整和利用先进的人工智能模型。我们承认大规模人工智能预报模型的高准确性、计算效率和易于部署，但我们强调传统数值预测的不可替代价值。我们相信，天气预报的最佳未来在于实现人工智能和传统数值模型的无缝融合。这种综合预计将为未来天气预报提供更全面、更可靠的方法。
artificial intelligenceweather forecastnumerical predictionforecast modelsintegration
发现论文，激发创造
  • 未来技术对未来的预测：大型气象模型的进展

    该论文回顾了大型模型，尤其是采用深度学习技术的模型在天气预报中的进展和应用，强调它们在改善传统预报方法方面的作用。这些模型利用卷积神经网络（CNN）、图神经网络（GNN）和 Transformer 等先进的神经网络架构来处理各种气象数据，提高了各种时间尺度和空间分辨率上的预测准确性。论文还讨论了该领域的挑战，包括数据获取和计算需求，并探索了模型优化和硬件进展的未来机会。它强调了人工智能与传统气象技术的整合，承诺提高天气预报准确性，并在应对与气候相关的挑战方面做出重要贡献。这种协同作用将大型模型置于气象预报不断发展的前沿地位。

    Apr, 2024

  • 危险风险管理的潜在范式转变：基于人工智能的热带气旋灾害天气预报

    通过使用人工智能驱动模型，该研究在气象灾害的风险管理策略中创造了一个转变。研究采用了热带气旋作为一个重点示例，工程设计了一种基于干扰的方法，使用先进的 Pangu AI 气象模型来产生集合预测。研究结果显示，AI 生成的集合预测在登陆前的七天内与欧洲中期天气预报中心的集合预测趋于一致。这种方法可以极大地提高天气预报驱动风险分析和管理的效果。

    Apr, 2024

  • 天气和气候的 AI 基础模型：应用、设计和实施

    机器学习和深度学习方法在理解大气混沌行为和推进天气预报方面已得到广泛应用。在构建地球的数字孪生体方面，科技公司、政府机构和气象机构表现出越来越多的兴趣。我们回顾了当前最先进的人工智能方法，主要来自于变换器和算子学习文献，并结合气象学的背景提出了成功的标准，期望实现一系列基础模型用于即时预报和天气气候预测。我们还讨论了这些模型在下游任务中的竞争力，如下降尺度（超分辨率）、火灾有利条件的识别以及对各种时空尺度（如飓风和大气河流）具有重大影响的气象现象的预测。特别是，我们认为当前的人工智能方法已经发展到足以设计和实施一个气象基础模型的成熟阶段。

    Sep, 2023

  • 人工智能和创新减轻极端天气事件对可持续生产的影响

    本文利用 Delphi Best Worst 方法和机器学习方法，探讨了数字科技在减轻极端天气的影响方面的推动因素。结果显示，人工智能预测性是最重要的标准和作用，而群众市场潜力则是最不重要的标准。作者构建的方法可以帮助决策者制定策略和干预措施，以保障可持续生产和投资改善人工智能技术以减少极端事件的不利影响。

    Sep, 2022

  • 基于人工智能的天气预报：一场革命中可能隐藏着另一场革命

    基于深度学习算法和高质量再分析数据的人工智能在天气预报中展现出巨大潜力。欧洲中期天气预报中心 (ECMWF) 正在开发一种基于人工智能的新预报系统，但人工智能天气预报的真实性常常受到质疑。本文识别并讨论了不同类型的真实性，特别是结构真实性与天气事件可预测性之间的关系。此外，基于人工智能的确定性预报的统计分析指出了一个真实性 / 性能两难的困境，概率方法应该有助于解决该问题。

    May, 2024

  • AI 模型对比基于物理模型的天气预报：以风暴 Ciarán 为例的量化评估案例研究

    机器学习模型和数值天气预报模型在模拟高影响天气事件方面的表现进行了比较，发现机器学习模型能准确捕捉到气旋的宏观结构，但在发出天气警报所需的细节结构方面表现较为复杂。

    Dec, 2023

  • 天气和气候数据理解的基础模型：一项综合调查

    人工智能在地球和大气科学领域日益采用数据驱动模型，通过深度学习技术对地球系统的混沌和非线性方面进行解码，以及通过理解天气和气候数据来应对气候挑战。这篇综述全面介绍了针对天气和气候数据专门设计的最先进的人工智能方法，特别关注时间序列和文本数据，同时深入研究了该领域的挑战，并提出了未来研究的详细意见。

    Dec, 2023

  • 走向一种全端到端人工智能驱动的全球天气预报系统

    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

  • 通过物理和人工智能混合建模将天气预报推广到细粒度时间尺度

    提出了一种物理 - 人工智能（AI）混合模型（即 WeatherGFT），将天气预报推广到超出训练数据集的更细时间尺度，并通过引入一个提前时间感知的训练框架来促进模型在不同提前时间上的推广，实验证明 WeatherGFT 在多个提前时间上达到了最先进的性能，并展现了 30 分钟预测的泛化能力。

    May, 2024

  • 数据驱动的天气预报模型的局限性

    在天气与气候预测领域，机器学习（ML）正对传统基于物理模型的预测模型提供有力的挑战，并取得了更高的预测准确性。本研究通过对当前 ML 模型中 Pangu-Weather 预测的准确性和物理一致性进行考察，发现相比于基于物理模型的预测，ML 模型在准确性指标上的优势主要是由于其独特性而产生的。此外，ML 模型在特定的预测应用中与传统数值天气预报输出具有协同作用，并且在实际应用中具有极低的计算成本，因此能够为预测信息提供一种有价值的额外来源。

    Sep, 2023