谷歌DeepMind實(shí)驗(yàn)室推出的天氣預(yù)測(cè)大模型，已在Science雜志發(fā)表。

只需要不到1分鐘，它就能直接預(yù)測(cè)出未來(lái)10天的天氣。

準(zhǔn)確度上，它在90%的指標(biāo)上超越了最先進(jìn)的人類系統(tǒng)，在AI氣象模型中屬首次！

DeepMind的這個(gè)氣象模型名叫GraphCast，目前已經(jīng)開(kāi)源。

它的分辨率為0.25度經(jīng)度/緯度（在赤道處約為28 x 28公里），而目前的最高分辨率為1度。

這樣的分辨率相當(dāng)于將地球表面分割成了超過(guò)100萬(wàn)個(gè)網(wǎng)格，而每個(gè)網(wǎng)格又可以產(chǎn)生數(shù)百條預(yù)測(cè)數(shù)據(jù)，總計(jì)數(shù)量達(dá)到了上億規(guī)模。

不同于傳統(tǒng)的預(yù)測(cè)方式，GraphCast預(yù)測(cè)主要依靠數(shù)據(jù)中的規(guī)律進(jìn)行預(yù)報(bào)，而不使用人類建立的物理方程。

相比于人類最準(zhǔn)確的HRES預(yù)報(bào)，GraphCast在1380個(gè)測(cè)試指標(biāo)中，90%的預(yù)測(cè)結(jié)果都更為準(zhǔn)確。

如果把預(yù)測(cè)范圍限制在對(duì)流層，GraphCast擊敗HRES的指標(biāo)比例更是高達(dá)99.7%。

YC上有網(wǎng)友表示，用“impressive”已經(jīng)不足以形容這項(xiàng)成果了。

那么，GraphCast的預(yù)測(cè)表現(xiàn)具體是怎樣的呢？

90%指標(biāo)超越人類最好方法

在劃分出的100萬(wàn)多個(gè)網(wǎng)格上，GraphCast劃分出的每個(gè)網(wǎng)格都能夠產(chǎn)生227條預(yù)測(cè)數(shù)據(jù)。

其中包括了37個(gè)不同高度上，每個(gè)高度的6個(gè)大氣變量（包括比濕度、風(fēng)速和風(fēng)向以及溫度等）。

在地球表面，GraphCast還可以預(yù)測(cè)包括溫度、風(fēng)速和風(fēng)向以及平均海平面壓力等在內(nèi)的5個(gè)變量。

完整的變量種類和具體高度（以氣壓表示，單位：hPa）如下表所示：

為了比較GraphCast和HRES的表現(xiàn)，研究人員從歐洲中期天氣預(yù)報(bào)中心（ECMWF）的ERA5再分析數(shù)據(jù)中選取了2018年（GraphCast訓(xùn)練數(shù)據(jù)截止2017年）的歷史數(shù)據(jù)。

研究者分別讓HRES和GraphCast站在當(dāng)時(shí)的情況下進(jìn)行“預(yù)測(cè)”，然后比較它們的“預(yù)測(cè)”和ERA5進(jìn)行比較。

在500hPa高度場(chǎng)上，GraphCast的RMSE（均方根誤差，數(shù)值越低表現(xiàn)越好）和ACC（異常相關(guān)系數(shù)）指標(biāo)都顯著優(yōu)于HRES。

而在研究人員選取的50-1000hPa的1380個(gè)數(shù)據(jù)點(diǎn)中，GraphCast有90.3%優(yōu)于HRES，89.9%優(yōu)勢(shì)顯著（下圖d組中，藍(lán)色表示GraphCast優(yōu)于HRES，越深優(yōu)勢(shì)越明顯）。

除了這些數(shù)據(jù)，GraphCast在極端天氣的預(yù)測(cè)上也有明顯優(yōu)勢(shì)。

對(duì)于熱帶氣旋路徑，GraphCast中位誤差低于HRES，特別是在前4.75天開(kāi)始，優(yōu)勢(shì)開(kāi)始變得明顯（下圖a、b）。

在根據(jù)大氣河流（Atmospheic River）進(jìn)行水汽通量預(yù)測(cè)時(shí)，GraphCast的RMSE值也明顯低于HRES（下圖c）。

預(yù)測(cè)熱浪時(shí)，GraphCast在提前12小時(shí)、5天、10天時(shí)，準(zhǔn)確度也都比HRES高（下圖d）。

今年9月，GraphCast成功在登陸前9天預(yù)測(cè)了北大西洋的颶風(fēng)Lee，而使用傳統(tǒng)方法最多提前6天預(yù)報(bào)。

GraphCast不僅準(zhǔn)確度高，預(yù)測(cè)速度也非常快。

在一臺(tái)Google TPU v4機(jī)器上使用GraphCast進(jìn)行10天預(yù)測(cè)，只需不到一分鐘就能完成。

相比之下，使用HRES等傳統(tǒng)方法，即使在超級(jí)計(jì)算機(jī)上也要花費(fèi)數(shù)個(gè)小時(shí)。

那么，GraphCast是如何實(shí)現(xiàn)高效準(zhǔn)確的氣象預(yù)測(cè)的呢？

不使用物理方程，預(yù)測(cè)全靠數(shù)據(jù)分析

工作流程上，輸入從6小時(shí)前開(kāi)始到當(dāng)前的氣象數(shù)據(jù)，GraphCast就可以預(yù)測(cè)未來(lái)6小時(shí)的天氣。

而預(yù)測(cè)出的數(shù)據(jù)可以作為新的“當(dāng)前”態(tài)，繼續(xù)往后迭代預(yù)測(cè)，最長(zhǎng)可以預(yù)測(cè)到10天后的天氣狀況。

原理層面，GraphCast使用機(jī)器學(xué)習(xí)方式和圖神經(jīng)網(wǎng)絡(luò)（GNN）架構(gòu)，其中包括編碼器和解碼器各一層，以及中間層16層，參數(shù)量為3670萬(wàn)。

它僅通過(guò)學(xué)習(xí)已有氣象數(shù)據(jù)實(shí)現(xiàn)預(yù)測(cè)，不依賴人類建立的物理方程。

GraphCast將0.25度網(wǎng)格的氣象數(shù)據(jù)進(jìn)行編碼映射到神經(jīng)網(wǎng)絡(luò)，經(jīng)過(guò)傳遞計(jì)算后的結(jié)果再由解碼器還原為氣象數(shù)據(jù)。

訓(xùn)練時(shí)，GraphCast使用的是來(lái)自ERA5數(shù)據(jù)集中的1979-2017這近四十年天氣的再分析數(shù)據(jù)，包括了衛(wèi)星圖像、雷達(dá)和氣象站測(cè)結(jié)果。

ERA5是基于4DVar方法和同化觀測(cè)生成的全球最優(yōu)重構(gòu)資料，涵蓋時(shí)間從上世紀(jì)40年代至今，空間則覆蓋全球。

而如果使用更近期的數(shù)據(jù)，GraphCast的預(yù)測(cè)結(jié)果準(zhǔn)確度還能繼續(xù)提高。

下一步，DeepMind計(jì)劃構(gòu)建集合預(yù)報(bào)模型，以適應(yīng)實(shí)際情況中天氣的不確定性，進(jìn)一步增強(qiáng)預(yù)報(bào)準(zhǔn)確性。

論文地址：https://www.science.org/doi/10.1126/science.adi2336

參考鏈接：

[1]https://deepmind.google/discover/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting/

[2]https://www.ft.com/content/ca5d655f-d684-4dec-8daa-1c58b0674be1

總結(jié)

以上是生活随笔為你收集整理的1分钟预测10天天气数据 DeepMind 90%指标超越人类最强模型的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。