weather forecasting | BriefGPT

关键词weather forecasting

搜索结果 - 40

极端事件建模和理解的人工智能：方法和挑战
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
PDF4 days ago
ICML通过分布式变量表示增强天气预报
通过使用数据驱动模型中的深度学习，我们提出了一种新的变量聚合方案和高效的学习框架，以增强天气预报的性能和准确性。实验证明，VarteX 在预报性能方面优于传统模型，所需的参数和资源明显减少。通过多种聚合和区域分割训练，学习的有效性得到了证明
PDF4 days ago
球面扩散下全球气候模型的概率仿真
数据驱动的深度学习模型正在改变全球的天气预报，但能否成功应用于气候建模仍存在挑战。本文提出了首个能够生成准确且物理一致的全球气候集合模拟的条件生成模型。我们的模型每隔 6 小时进行一次时间步骤，并在 10 年的模拟中保持稳定。我们的方法超越
PDF11 days ago
层次图神经网络的概率天气预测
机器学习在高分辨率天气预报方面已成为一种强大的工具，而准确捕捉这一混沌天气系统中的不确定性要求概率建模。我们提出了一种名为 Graph-EFM 的概率天气预报模型，结合灵活的潜变量形式与成功的基于图的预测框架。使用分层图构建使得能够高效地采
PDF25 days ago
SFANet：面向天气预报的空间频率注意力网络
提出了 Spatial-Frequency Attention Network（SFANet），这是一个新颖的深度学习框架，通过解决传统方法难以捕捉气象系统复杂动力学的问题，在高分辨率数据存在的情况下提高时空天气预测的准确性。通过整合先进的
PDFa month ago
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
PDFa month ago
使用机器学习代理模型的数据同化研究：以 FourCastNet 为例
使用机器学习代理模型和部分、嘈杂观测，本研究调查在线天气预测。我们经验性地证明并理论上证明，尽管代理模型长期不稳定且观测稀疏，但滤波估计在长期时间范围内仍然准确。作为一个案例研究，我们在变分数据同化框架中使用 FourCastNet，一种最
PDFa month ago
CaFA：基于球面上的因式化注意力的全球天气预报
我们提出了一种适用于球面几何的因子化注意力模型，用于天气预测。该模型在精确度和效率上的表现与纯数据驱动的机器学习天气预测模型相当，具备在准确度与计算成本上优于基于 Transformer 模型的标准注意力模型的潜力。
PDF2 months ago
EWMoE：基于混合专家的全球气象预报的有效模型
在本文中，我们提出了 EWMoE 模型，它是一种能够准确预测全球天气的有效模型，它只需要较少的训练数据和计算资源，并利用 Meteorology-specific embedding、核心 Mixture-of-Experts (MoE)
PDF2 months ago
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
PDF2 months ago
用于运营的数据驱动气象预测模型集合的亚季节预测
我们提出了一个实用的多模式集成天气预报系统，该系统使用混合数据驱动的天气预测模型与欧洲中期天气预报中心（ECMWF）海洋模型相结合，在 4 周的前期预测全球天气，分辨率为 1 度。对于 2 米温度的预测，我们的集成模型相比于原始的 ECMW
PDF3 months ago
基于深度学习的天气预报方法研究：以糸島为例
该研究引入了一个特定于日本九州糸島地区的多层感知器模型，通过精心设计的架构，表现出比现有模型（如长短期记忆和循环神经网络）更出色的性能。
PDF3 months ago
KARINA: 全球天气预报的高效深度学习模型
KARINA 是一种考虑到计算资源需求的全球天气数据的深度学习模型，通过协同使用 ConvNext、SENet 和 Geocyclic Padding 来提高 2.5 度分辨率下的天气预报准确性，大约 4 个 NVIDIA A100 GPU
PDF4 months ago
云天九：利用可解释图神经网络分析气象观测对天气预报的影响
使用可解释的图神经网络（XGNNs）的基于 XGNN 的大气状态估计模型，结合数值天气预报模型，提供了一个名为 “CloudNine” 的新型系统，用于分析个体观测数据对特定预测的影响，并在特定空间区域和时间段可视化观测数据对预测的影响。
PDF4 months ago
基于实际预测过程引导的扩散天气预测
应用扩散模型实现具有灵活性和可控性的天气预报系统，能够整合数值天气预报，并结合持续性和气候数据以提高长期预测稳定性。
PDF5 months ago
利用 ERA5、ASOS 和 U-STN 模型进行英国天气预报的数据同化
探究了数据驱动的机器学习模型与数据同化相结合的趋势对天气预测的增强作用，通过利用 ERA5 850hPa 温度数据和改进的 U-STN12 全球天气预报模型，针对英国的气候特点进行预测，并发现将大气数据整合到 DA 中显著增强了模型的准确性
PDF6 months ago
DiffDA：一种用于天气尺度数据同化的扩散模型
通过精确的数据同化生成初始条件对可靠的天气预报和气候建模至关重要。我们提出了一种基于机器学习的数据同化方法 DiffDA，能够使用预测状态和稀疏观测同化大气变量。通过使用预先训练的 GraphCast 天气预报模型作为去噪扩散模型，我们的方
PDF6 months ago
DeepPhysiNet: 将深度学习与大气物理学相结合，进行精确和连续的天气建模
将物理定律与深度学习模型相结合的 DeepPhysiNet 框架可以实现准确连续的天气系统建模，增强预测精度并获得连续的时空分辨率结果。
PDF6 months ago
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)。
PDF6 months ago
FengWu-4DVar：将数据驱动的天气预报模型与 4D 变分同化相结合
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
PDF7 months ago