https://arxiv.org/abs/2410.03266
这篇研究文章是由Chanh Kieu撰写，文章探讨了人工智能（AI）模型在全球天气预报中的可预测性问题。研究的核心是评估和比较了两种不同的时间步进技术——小步进（small-step）和大步进（big-step）方法——对于模型性能和天气可预测性的影响。文章基于卷积长短期记忆（ConvLSTM）的深度学习架构，并使用了ERA5数据集进行训练。
研究背景： 在数值天气预报（NWP）模型中，基于物理的方程组描述了大气中的所有物理和动力学过程。这些模型通常采用有限差分或谱数值方法，通过给定的时间步长递进信息，从初始条件预测大气的新状态。由于大气的混沌特性，所有当前的NWP模型都不能无限期地进行积分。天气预报的准确性通常在大约两周后逐渐下降，这被称为天气预报的两周限制。
研究意义： 随着AI技术的发展，数据驱动的模型为天气预报提供了新的途径。这些模型通过从大量输入数据中学习规则，寻找一组参数（权重），通过损失函数最小化模型预测与真实数据之间的差异。然而，天气的混沌特性是限制AI模型预测能力的关键因素，这对于AI模型的训练和应用具有重要意义。
创新点： 文章的创新之处在于提出了大步进方法，并将其与小步进方法进行了比较。大步进方法直接将当前状态预测到未来状态，而不是通过递归迭代小的时间步长。这种方法对于不同的输入通道和数据帧表现出更好的预测技巧和更长的可预测范围，且对于输入通道的变化具有很高的鲁棒性。
研究方法： 研究使用了基于ConvLSTM的深度学习架构，设计了一个全球AI天气预报（AWP）模型，包含4个ConvLSTM层，分别有32、64、128和256个隐藏状态。模型使用了批量归一化层和dropout正则化层，以提高模型的泛化能力。模型的训练使用了均方根误差损失函数和平均绝对误差准确度指标，采用Adam优化器进行训练。
数据使用： 研究使用了欧洲中期天气预报中心（ECMWF）的ERA5再分析数据集，这是一个全球5°×5°分辨率的数据集，以小时间隔提供。数据集包含了多个气象变量，如相对湿度、风速分量、位势、温度、总云量、总降水量等。研究中使用了这些变量的子集，并在训练前对它们进行了归一化处理。
研究结果： 研究结果显示，大步进方法在所有预测时间步长上都比小步进方法表现出更好的性能。小步进方法在递归迭代过程中会累积误差，导致预测误差快速增长。而大步进方法在每个预测时间步长上都进行了优化训练，因此在预测未来状态时能够保持较低的误差。
研究讨论： 文章讨论了AI模型在天气预报中的可预测性问题。首先，AI模型的可预测性受到大气混沌特性的限制，这意味着无论使用基于物理的模型还是数据驱动的模型，都无法无限期地预测天气。其次，AI模型的可预测性需要针对每个预测指标进行定制，因为每个AI模型都是针对特定目的、数据类型、区域和准确度阈值进行训练的，不能应用于所有天气系统的空间和时间尺度。
文章还指出，大步进方法在不同输入通道和数据帧的情况下表现出一致的预测性能，这表明即使在只有少量输入通道和帧的情况下，AI模型也能够有效地学习大气的全局动态。这一发现表明，通过采用大步进方法，可以显著加快AI模型在全球天气预报中的发展。
结论： 文章的结论强调了大步进方法在AI天气预报模型中的优势，尤其是在预测未来大气状态方面。这种方法对于不同的输入通道和数据帧具有很高的鲁棒性，即使在只有少量输入信息的情况下也能保持较好的预测性能。这一发现为AI模型在全球天气预报中的应用提供了新的视角，并为未来的研究提供了新的方向。
专业词汇解析：
• AI（Artificial Intelligence）：人工智能，指由人制造出来的系统所表现出来的智能。
• NWP（Numerical Weather Prediction）：数值天气预报，通过数学模型计算天气的科学。
• ConvLSTM（Convolutional Long Short-Term Memory）：卷积长短期记忆网络，一种结合了卷积神经网络和长短期记忆网络的深度学习模型。
• ERA5：欧洲中期天气预报中心的第五代再分析数据集，提供了全球天气和气候的详细记录。
• MAE（Mean Absolute Error）：平均绝对误差，一种衡量预测准确度的统计指标。
• AWP（AI Weather Prediction）：AI天气预报，指使用人工智能技术进行的天气预报。
• Adam optimizer：一种用于深度学习模型训练的优化算法。
这篇文章为我们提供了AI在天气预报领域中应用的深入分析，特别是在模型的可预测性方面。通过比较不同的时间步进技术，研究揭示了大步进方法在提高预测技巧和延长可预测范围方面的潜力。这对于气象学家和AI研究者来说是一个重要的发现，因为它提供了一种新的方法来优化AI模型在全球天气预报中的应用。
解读：Kimi
（加微信交流群，请备注：姓名-行业-单位）
声明：本公众号分享的资源均来自于互联网的公开资源，仅供个人学习和研究使用，不代表本人对其版权、真实性、合法性、准确性等方面做出任何保证。任何使用本号分享的资源的个人或组织，需自行承担相应的法律责任和后果；本号不承担任何法律责任和连带责任。使用本号分享的资源即代表您已完全了解并同意本免责声明的所有内容。
上海位温信息科技有限公司
专业的商业气象服务商
![]()
（咨询数据详情，可添加微信，请备注：合规数据）
可提供气象产品 ：
全国三千多个基准站
3213 个主要城市站点、每小时发 布 1 次，
每天发布 24 次，每次提供当前整点时刻的
城市站点实况天气（实况产品会在整点后
15 分钟、20 分钟、30 分钟进行数据更新），
要素包括：天气现象、气温、体感温度、风速、
风力、风向、相对湿度、气压、1小时降水量、
10分钟降水量、能见度、日出时间、日落时间、
紫外辐射等要素。
探空气象站
海洋气象站
雷达拼图
卫星云图（风云4、葵花8）
格点实况、再分析资料
数值预报:CMA EC GFS
强对流天气预报
强天气落区预报
强对流天气（短时强降水/冰雹/雷暴大风）概率预报图
台风、热带气旋
可提供国内与国外各类气象咨询气象服务
本公司提供服务稳定可靠，您值得拥有。
上海位温信息科技有限公司
专业的商业气象服务商
（咨询数据详情，可添加微信，请备注：合规数据）
可提供气象产品 ：
全国三千多个基准站
3213 个主要城市站点、每小时发 布 1 次，
每天发布 24 次，每次提供当前整点时刻的
城市站点实况天气（实况产品会在整点后
15 分钟、20 分钟、30 分钟进行数据更新），
要素包括：天气现象、气温、体感温度、风速、
风力、风向、相对湿度、气压、1小时降水量、
10分钟降水量、能见度、日出时间、日落时间、
紫外辐射等要素。
探空气象站
海洋气象站
雷达拼图
卫星云图（风云4、葵花8）
格点实况、再分析资料
数值预报:CMA EC GFS
强对流天气预报
强天气落区预报
强对流天气（短时强降水/冰雹/雷暴大风）概率预报图
台风、热带气旋
可提供国内与国外各类气象咨询气象服务
本公司提供服务稳定可靠，您值得拥有。
