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。

Jan, 2024

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

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

天气模型的概率技能与延迟集合相比较，发现 GraphCast 和 Pangu 是领先的 AI 天气模型，在确定性评分方面前者优于后者，但在概率 CRPS 指标上两者得分相同。

Jan, 2024

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

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

近年来，人工智能（AI）深刻影响了各个领域，包括地球系统科学。本文回顾了如何利用 AI 分析极端事件（如洪水、干旱、野火和热浪），强调创建准确、透明和可靠的 AI 模型的重要性。我们讨论了处理有限数据、实时信息整合、部署模型以及使其可理解的挑战，这些对于赢得利益相关者的信任和满足监管需求至关重要。我们概述了如何通过 AI 更有效地识别和解释极端事件，提高灾害应对和沟通能力。强调跨不同领域的合作，以创建实用、可理解和可信赖的 AI 解决方案，用于分析和预测极端事件。这种合作努力旨在增强灾害准备和减少灾害风险。

Jun, 2024

本文提出了一种方法学习如何在能源领域中开发，部署和评估 AI 系统，以提高其可靠性、可控性和解释性，使用电力系统事件预测（PEF）作为示例应用，通过对同步相量测量单元（PMUs）测量的相量数据进行物理理解和采用基于机器学习的算法来预测所需需求，将物理维度与机器学习模型融合，实现降维和提高预测精度的目标。

Nov, 2021

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

我们开发了一种基于人工智能的模型，能够提前七天预测极端水文事件，该模型在全球各大洲、各种提前期和重现期下均优于现有的全球水文模型，特别适用于没有测量的流域，该研究的成果已被纳入全球超过 80 个国家的运行中的预警系统，提供免费的实时预测。

Jul, 2023