論文の概要: Numerical models outperform AI weather forecasts of record-breaking extremes

• arxiv url: http://arxiv.org/abs/2508.15724v1
• Date: Thu, 21 Aug 2025 17:07:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-22 16:26:46.418206
• Title: Numerical models outperform AI weather forecasts of record-breaking extremes
• Title（参考訳）: 数値モデルは、記録破りの極度のAI天気予報を上回ります
• Authors: Zhongwei Zhang, Erich Fischer, Jakob Zscheischler, Sebastian Engelke,
• Abstract要約: 記録破りの気象極端の場合、数値モデルHigh Resolution予測は依然として最先端のAIモデルを上回っていることを示す。 AIモデルの予測誤差は、ほぼすべてのリードタイムにおけるHRESよりも、記録破りの暑さ、寒さ、風速に対して一貫して大きいことを実証する。
• 参考スコア（独自算出の注目度）: 0.18749305679160366
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Artificial intelligence (AI)-based models are revolutionizing weather forecasting and have surpassed leading numerical weather prediction systems on various benchmark tasks. However, their ability to extrapolate and reliably forecast unprecedented extreme events remains unclear. Here, we show that for record-breaking weather extremes, the numerical model High RESolution forecast (HRES) from the European Centre for Medium-Range Weather Forecasts still consistently outperforms state-of-the-art AI models GraphCast, GraphCast operational, Pangu-Weather, Pangu-Weather operational, and Fuxi. We demonstrate that forecast errors in AI models are consistently larger for record-breaking heat, cold, and wind than in HRES across nearly all lead times. We further find that the examined AI models tend to underestimate both the frequency and intensity of record-breaking events, and they underpredict hot records and overestimate cold records with growing errors for larger record exceedance. Our findings underscore the current limitations of AI weather models in extrapolating beyond their training domain and in forecasting the potentially most impactful record-breaking weather events that are particularly frequent in a rapidly warming climate. Further rigorous verification and model development is needed before these models can be solely relied upon for high-stakes applications such as early warning systems and disaster management.
• Abstract（参考訳）: 人工知能(AI)ベースのモデルは、天気予報に革命をもたらし、様々なベンチマークタスクで主要な数値天気予報システムを上回っている。 しかし、前例のない極端な出来事をエクスポーレーションし、確実に予測する能力は、いまだに不明である。 ここでは、記録破りの気象極端に対して、欧州中距離気象予報センターの数値モデルHigh Resolution forecast (HRES) が、最先端のAIモデルであるGraphCast、GraphCast、Pangu-Weather、Pangu-Weather、Fuxiを一貫して上回っていることを示す。 AIモデルの予測誤差は、ほぼすべてのリードタイムにおけるHRESよりも、記録破りの暑さ、寒さ、風速に対して一貫して大きいことを実証する。 さらに、調査対象のAIモデルは、記録更新イベントの頻度と強度の両方を過小評価する傾向にあり、ホットレコードを過小評価し、記録超過のエラーを増大させることで、コールドレコードを過大評価する傾向にある。 我々の発見は、AI気象モデルがトレーニング領域を超えて外挿することの現在の限界と、特に温暖化で頻繁に起こる最も影響の大きい気象事象を予測することの限界を浮き彫りにしている。 さらに厳密な検証とモデル開発が必要であり、これらのモデルは早期警戒システムや災害管理といった高度なアプリケーションにのみ依存することができる。

関連論文リスト

• HR-Extreme: A High-Resolution Dataset for Extreme Weather Forecasting [12.561873438789242]
  本研究では,高解像度の極端気象事例を包含した包括的データセットを提案する。 HR-Extreme上での最先端ディープラーニングモデルと数値気象予測システム(NWP)の評価を行った。
  論文  参考訳（メタデータ） (2024-09-27T16:20:51Z)
• Lightning-Fast Convective Outlooks: Predicting Severe Convective Environments with Global AI-based Weather Models [0.08271752505511926]
  激しい対流嵐は最も危険な気象現象であり、正確な予測は影響を緩和する。 最近リリースされたAIベースの天気モデルスイートは、中距離の予測を数秒で生成する。 本稿では,再解析とECMWFの運用数値天気予報モデルISSに対して,対流パラメータを対象とした3つのAIモデルの予測能力を評価する。
  論文  参考訳（メタデータ） (2024-06-13T07:46:03Z)
• 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,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 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)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  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。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)

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。