光明日報北京7月9日電（記者張蕾）隨著算力增長的趨緩和物理模型的逐漸復(fù)雜化,，傳統(tǒng)數(shù)值預(yù)報的瓶頸日益突出，研究者開始挖掘新的氣象預(yù)報范式,，例如使用深度學(xué)習(xí)方法來預(yù)測未來天氣,。在數(shù)值方法應(yīng)用最廣泛的中長期預(yù)報領(lǐng)域，現(xiàn)有的AI預(yù)報方法精度顯著低于數(shù)值預(yù)報方法,，并受到可解釋性欠缺,、極端天氣預(yù)測不準等問題的制約。來自華為云的研究人員提出一種新的高分辨率全球AI氣象預(yù)報系統(tǒng)——盤古氣象大模型,。作為首個精度超過傳統(tǒng)數(shù)值預(yù)報方法的AI模型,，華為云盤古氣象大模型的預(yù)報速度是傳統(tǒng)數(shù)值模式的10000倍以上，能夠提供全球氣象秒級預(yù)報,，預(yù)測結(jié)果包括位勢、濕度,、風(fēng)速,、溫度、海平面氣壓等,，可以直接應(yīng)用于多個氣象研究細分場景,。
華為云研發(fā)團隊兩年前開始AI氣象方向的研究。他們發(fā)現(xiàn)，AI氣象預(yù)報模型的精度不足主要有兩個原因：一是現(xiàn)有AI氣象預(yù)報模型都是基于2D神經(jīng)網(wǎng)絡(luò),，無法很好地處理不均勻的3D氣象數(shù)據(jù),；二是AI方法缺少數(shù)學(xué)、物理的機理約束,，在迭代過程中會不斷積累迭代誤差,。為此，團隊提出用適應(yīng)地球坐標系統(tǒng)的三維神經(jīng)網(wǎng)絡(luò)處理復(fù)雜的不均勻3D氣象數(shù)據(jù),，并且使用層次化時域聚合策略減少預(yù)報迭代次數(shù),，從而減少迭代誤差?；?3年的全球天氣數(shù)據(jù)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)后,，盤古氣象大模型在精度和速度上全面超越了傳統(tǒng)的數(shù)值預(yù)測方法。
談到為何選擇AI氣象預(yù)報領(lǐng)域作為突破口,，華為云研發(fā)團隊負責(zé)人表示：一方面,，氣象預(yù)報尤其是對暴雨、臺風(fēng),、干旱,、寒潮等極端天氣的精準預(yù)測關(guān)乎國計民生；另一方面,，氣象預(yù)測問題非常復(fù)雜,，AI可以從海量數(shù)據(jù)中挖掘出新的大氣演變規(guī)律，在精度和速度上具有相當大的提升潛力,?！拔磥恚A為云將聯(lián)合全球氣象機構(gòu),，繼續(xù)探索并發(fā)揮AI在氣象領(lǐng)域的應(yīng)用潛力,，為農(nóng)林牧漁、航空航海等行業(yè)及公共安全領(lǐng)域提供有力的科技支持,?！痹撠撠?zé)人表示。
《光明日報》（2023年07月10日 08版）
來源：光明網(wǎng)-《光明日報》
免責(zé)聲明：本文來自網(wǎng)絡(luò)收錄或投稿,，觀點僅代表作者本人,，不代表芒果財經(jīng)贊同其觀點或證實其描述，版權(quán)歸原作者所有,。轉(zhuǎn)載請注明出處：http://lequren.com/1056494.html
溫馨提示：投資有風(fēng)險,，入市須謹慎。本資訊不作為投資理財建議,。
