FuXi-2.0: Продвинутое прогнозирование погоды на основе машинного обучения для практических приложений
Модели машинного обучения (ML) все чаще используются в прогнозировании погоды, предлагая точные прогнозы и снижая вычислительные затраты по сравнению с традиционными численными моделями прогнозирования погоды (NWP). Однако у текущих моделей ML часто есть ограничения, такие как грубое временное разрешение (обычно 6 часов) и узкий набор метеорологических переменных, что может ограничить их практическое использование.
Ученые из Университета Фудань и Шанхайской академии искусственного интеллекта представили FuXi-2.0, продвинутую модель ML для глобального прогнозирования погоды, которая предоставляет прогнозы с интервалом в 1 час и охватывает широкий спектр метеорологических переменных. FuXi-2.0 превосходит высокоразрешающие прогнозы (HRES) Европейского центра среднесрочного прогнозирования погоды (ECMWF) в таких ключевых областях, как прогнозирование ветровой энергии и интенсивность тропических циклонов.
Практические применения:
Точные прогнозы имеют решающее значение для секторов возобновляемой энергии, авиации и морской перевозки. Несмотря на преимущества, модели ML все еще сталкиваются с проблемами непрерывности прогнозирования и временным разрешением. Некоторые модели сделали значительные успехи в точности и эффективности, но улучшение их временной детализации и включение более широкого набора метеорологических переменных остается сложной задачей. FuXi-2.0 значительно продвигает практические применения прогнозирования погоды благодаря улучшенному временному разрешению и обширному набору переменных.
Ключевые особенности FuXi-2.0:
- 1-часовые прогнозы и широкий спектр метеорологических переменных
- Интеграция атмосферных и океанических компонент
- Улучшенная точность в сравнении со своим предшественником и другими моделями
Исследование использует набор данных переанализа ERA5 от ECMWF, предоставляющий часовые метеорологические данные с пространственным разрешением около 31 км начиная с января 1950 года. FuXi-2.0 прогнозирует 88 метеорологических переменных, включая верхние и поверхностные переменные, с дополнительными статическими и временными кодировками географической информации.
Применение в практике:
FuXi-2.0 внедряет двойную систему моделей для непрерывных 1-часовых прогнозов, интегрируя первичную модель для 6-часовых прогнозов и вторичную модель для часовой интерполяции. Эта архитектура улучшает надежность и эффективность по сравнению с предыдущими моделями.
Оценка и результаты:
Исследование оценивает 1-часовые прогнозы FuXi-2.0 с использованием данных за 2018 год, сравнивая их производительность с ECMWF HRES и Pangu-Weather. FuXi-2.0 показывает превосходную точность в переменных, важных для прогнозирования погоды, таких как температура и скорость ветра, превосходя ECMWF HRES по среднеквадратичной ошибке (RMSE) и коэффициенту корреляции аномалий (ACC) на большинстве временных промежутков прогнозирования.
В заключение, FuXi-2.0 представляет значительный прогресс в области ML-прогнозирования погоды для практических приложений. Модель обеспечивает 1-часовые прогнозы и включает широкий спектр переменных, что делает ее ценной для секторов ветровой и солнечной энергии, авиации и морской перевозки.
Будущие улучшения включают более высокое пространственное разрешение, дополнительные переменные и улучшенную точность осадков.
Если вам нужны советы по внедрению ИИ, пишите нам на https://t.me/flycodetelegram
Попробуйте ИИ ассистент в продажах https://flycode.ru/aisales/
Узнайте, как ИИ может изменить ваши процессы с решениями от Flycode.ru
