論文の概要: Towards an End-to-End Artificial Intelligence Driven Global Weather
Forecasting System
- arxiv url: http://arxiv.org/abs/2312.12462v1
- Date: Mon, 18 Dec 2023 09:05:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-21 18:40:55.176142
- Title: Towards an End-to-End Artificial Intelligence Driven Global Weather
Forecasting System
- Title(参考訳): 人工知能によるグローバル気象予報システムの実現に向けて
- Authors: Kun Chen, Lei Bai, Fenghua Ling, Peng Ye, Tao Chen, Kang Chen, Tao
Han, Wanli Ouyang
- Abstract要約: 我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。
アダスは、背景から分析を生成することを学び、まばらな観察を行う。
我々は、AIベースの世界天気予報システムFengWu-Adasを構築した。
- 参考スコア(独自算出の注目度): 58.641391517902186
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The weather forecasting system is important for science and society, and
significant achievements have been made in applying artificial intelligence
(AI) to medium-range weather forecasting. However, existing AI-based weather
forecasting models still rely on analysis or reanalysis products from the
traditional numerical weather prediction (NWP) systems as initial conditions
for making predictions, preventing them from being fully independent systems.
As a crucial component of an end-to-end global weather forecasting system, data
assimilation is vital in generating initial states for forecasting. In this
paper, we present an AI-based data assimilation model, i.e., Adas, for global
weather variables, which learns to generate the analysis from the background
and sparse observations. Different from existing assimilation methods, Adas
employs the gated convolution module to handle sparse observations and the
gated cross-attention module for capturing the interactions between
observations and background efficiently, which are guided by the confidence
matrix to represent the availability and quality of observations. Then, we
combine Adas with the advanced AI-based weather forecasting model (i.e.,
FengWu) and construct the first end-to-end AI-based global weather forecasting
system: FengWu-Adas. Experiments demonstrate that Adas can assimilate the
simulated global observations with the AI-generated background through a
one-year simulation and generate high-quality analysis stably in a cyclic
manner. Based on the generated analysis, FengWu-Adas exhibits skillful
performance and outperforms the Integrated Forecasting System (IFS) in weather
forecasting over seven days.
- Abstract(参考訳): 気象予報システムは科学・社会にとって重要であり,中距離気象予報に人工知能(AI)を適用する上で重要な成果が得られた。
しかし、既存のaiベースの天気予報モデルは、従来の数値気象予報(nwp)システムからの分析や再分析を初期条件として頼りにしており、完全に独立したシステムになることを防いでいる。
エンド・ツー・エンドの気象予報システムの重要な構成要素として、データ同化は予測のための初期状態の生成に不可欠である。
本稿では,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちアダス(Adas)を提案する。
既存の同化法とは異なり、adasはゲート畳み込みモジュール(gated convolution module)を使用してスパース観測を処理し、ゲートクロスアテンションモジュール(gated cross-attention module)を使用して観測と背景の相互作用を効率的に捉える。
次に、AdasをAIベースの高度な天気予報モデル(FengWu)と組み合わせ、AIベースの世界天気予報システムであるFengWu-Adasを構築する。
実験により、Adasは1年間のシミュレーションを通じて、シミュレーションされた地球観測とAI生成した背景を同化し、周期的に安定して高品質な分析を生成できることが示されている。
その結果,7日間の天気予報において,fengwu-adasは熟練した性能を示し,統合予報システム(ifs)を上回った。
関連論文リスト
- Forecasting the Future with Future Technologies: Advancements in Large Meteorological Models [3.332582598089642]
気象予報の分野は、大きなモデルの統合によって大きな変化を遂げた。
FourCastNet、Pangu-Weather、GraphCast、ClimaX、FengWuといったモデルは、正確で高精度な予測を提供することで、顕著な貢献をしている。
論文 参考訳(メタデータ) (2024-04-10T00:52:54Z) - Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
気象予報に拡散モデル(DM)を適用した新しい手法を提案する。
提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。
我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
論文 参考訳(メタデータ) (2024-02-06T21:28:42Z) - ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。
また,ExEnsembleという名称のトレーニングフリーな極値拡張戦略を導入し,画素値のばらつきを増大させ,予測ロバスト性を向上させる。
提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文 参考訳(メタデータ) (2024-02-02T10:34:13Z) - FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather
Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。
低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。
2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
論文 参考訳(メタデータ) (2024-01-28T13:23:25Z) - A Practical Probabilistic Benchmark for AI Weather Models [0.8278356279004184]
我々は、GraphCastとPanguの2つの主要なAI天気モデルが確率論的CRPSメトリクスに結びついていることを示す。
また、多くのデータ駆動気象モデルが採用している複数の時間-ステップ損失関数が、非生産的であることも明らかにした。
論文 参考訳(メタデータ) (2024-01-27T05:53:16Z) - FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D
Variational Assimilation [71.21242137496031]
我々は,AIを用いた循環型天気予報システムFengWu-4DVarを開発した。
FengWu-4DVarは観測データをデータ駆動の天気予報モデルに組み込むことができる。
シミュレーションされた観測データセットの実験は、FengWu-4DVarが合理的な解析場を生成することができることを示した。
論文 参考訳(メタデータ) (2023-12-16T02:07:56Z) - AI Foundation Models for Weather and Climate: Applications, Design, and
Implementation [3.3929630603919394]
機械学習と深層学習は、大気のカオス的な振る舞いを理解し、天気予報を促進するために広く研究されてきた。
変換器、物理インフォームド機械学習、グラフニューラルネットワークを用いた最近のアプローチは、比較的狭いスケールと特定のタスクで最先端のパフォーマンスを実証している。
論文 参考訳(メタデータ) (2023-09-19T17:50:27Z) - SEEDS: Emulation of Weather Forecast Ensembles with Diffusion Models [13.331224394143117]
不確かさの定量化は意思決定に不可欠である。
天気予報の不確実性を表す主要なアプローチは、予測の集合を生成することです。
本稿では,これらの予測を歴史的データから学習した深部生成拡散モデルを用いてエミュレートし,計算コストを補正することを提案する。
論文 参考訳(メタデータ) (2023-06-24T22:00:06Z) - Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global
Weather Forecast [91.9372563527801]
我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。
初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。
Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
論文 参考訳(メタデータ) (2022-11-03T17:19:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。