《Science》顶刊 | 学习高技能的中期全球天气预报
全球中期天气预报对于许多社会和经济领域的决策至关重要。传统的数值天气预报使用增加的计算资源来提高预报精度，但不直接使用历史天气数据来改进基础模型。在这里，我们介绍“GraphCast”，一种直接从再分析数据训练的基于机器学习的方法。它可以在一分钟内以 0.25° 的分辨率预测全球 10 天内的数百个天气变量。GraphCast 在 1380 个验证目标中的 90% 上显着优于最准确的操作确定性系统，其预测支持更好的严重事件预测，包括热带气旋跟踪、大气河流和极端温度。GraphCast 是准确高效天气预报的一项关键进步，有助于实现机器学习对复杂动力系统建模的承诺。
图 1. 模型原理图
图 2. 2018 年 GraphCast 和 HRES 的全球技能和技能得分
图 3. 严重事件预测
图 4. 使用最新数据训练 GraphCast
本篇文章来自于微信公众号：好奇心Log
页:
[1]