欧洲的新AI天气模型更快，更聪明，在这里免费知道什么
作者：Isaac Schultz
欧洲中范围的天气预报中心（ECMWF）刚刚推出了AI驱动的预测模型，该中心表示，该模型的表现优于最先进的物理模型高达20％。
该模型被称为人工智能预测系统（AIFS）。根据ECMWF版本，新模型的运行速度比基于物理的模型更快，并且能量要少1000倍以进行预测。
ECMWF已进入50年的运营，生产了ENS，这是世界领先的中等天气预测模型之一。中等预测包括提前三天至15天之间的天气预测，但ECMWF还预测天气降至一年。天气预报模型对于各州和地方政府为极端天气事件做好准备以及更多日常需求至关重要，例如知道即将到来的假期中的天气会是什么样。
传统的天气预测模型通过求解物理方程进行预测。这些模型的一个局限性是它们是大气动力学的近似值。AI驱动模型的一个引人注目的方面是，他们可以直接从数据中学习更复杂的关系和动态，而不仅仅是仅依靠先前已知的方程式和记录的方程式。
ECMWF的公告紧随Google Deepmind的紧随其后Gencast模型对于AI驱动的天气预测，Google天气预报软件的下一次迭代包括NeuralGCM和Graphcast。Gencast的表现优于ensECMWF的主要天气预测模型，占不同天气变量目标的97.2％。随着交货时间大于36小时，Gencast在99.8％的目标上比ENS更准确。
但是欧洲中心也在创新。AIFS-Single的启动只是系统的第一个操作版本。
``这是一项巨大的努力，可确保模型以稳定且可靠的方式运行。''ECMWF预测和服务总监Florian Pappenberger在中心版本中说。目前，AIFS的分辨率小于我们的模型（IFS）的分辨率，该模型（IFS）使用基于物理学的方法实现了9 km [5.6英里]的分辨率。
Pappenberger补充说，我们将AIF和IFS视为补充，并为我们的用户社区提供一系列产品的一部分，他们决定最适合其需求的产品。”
该团队将探索杂交基于数据驱动和物理的建模，以提高组织精确预测天气的能力。
在ECMWF机器学习的战略主管，Innovation Platform的负责人Matthew Chantry表示，基于物理学的模型是当前数据融合过程的关键。•相同的数据概括过程对于初始化每天的机器学习模型并允许它们进行预测至关重要。”
Chantry补充说：``Chantry补充说：``Chantry补充说，如果解决的话，这意味着完整的天气预报链可以基于机器学习。”
Chantry是一项研究的研究，正在等待同行评审，该研究描述了一个数据驱动的端到端预测系统，该系统不依赖于基于物理学的重新分析。
该系统称为GraphDop，使用可观察到的数量，例如来自Polar轨道器的亮度温度，形成了地球系统状态动力学和物理过程的连贯的潜在表示，并且能够产生熟练的预测相关的天气参数最多五天。
将人工智能方法与物理驱动的天气预测建模相结合是一个有前途的预测场所。迄今为止的测试表明，AI驱动的预测可以胜过历史模型，但到目前为止，这些模型已依赖重新分析数据。当地观察对于训练模型至关重要，当技术预测能力被迫脱离订阅时，该技术的预测能力将是多么令人印象深刻。
关于《欧洲的新AI天气模型更快，更聪明，在这里免费知道什么》的评论
暂无评论