《自然》23日報道了一種人工智能（AI）模型。該模型名為“NeuralGCM”，結合了流體動力學與神經網絡，能進行準確的天氣預測和氣候模擬。模型超越了部分現有模型，與傳統模型相比，有望節省大量算力。
一般環流模型（GCMs）能表示大氣、海洋和陸地的物理過程，是天氣和氣候預測的基礎。而減少長期預報的不確定性以及估算極端天氣事件，則是氣候預測的關鍵。機器學習模型一直被認為是天氣預測的一種替代手段，它們在節省算力成本方面具有優勢，但在長期預報方面的表現常常不如一般環流模型。
鑒于此，美國谷歌研究院團隊設計了“NeuralGCM”，這個模型結合了機器學習和物理方法，能進行中短期天氣預報以及幾十年的氣候模擬。該模型對1—15天預報的準確率能媲美歐洲中期天氣預報中心（ECMWF，最好的傳統物理天氣模型之一）的預測結果。對于最多提前10天的預報，“NeuralGCM”的準確率與現有機器學習技術不相上下，有時甚至更好。
“NeuralGCM”的氣候模擬準確率與最好的機器學習和物理方法相當。當團隊在“NeuralGCM”的40年氣候預測中加入海平面溫度后，他們發現，模型給出的結果與從ECMWF數據中發現的全球變暖趨勢一致。新模型在預測龍卷風及其軌跡方面也超過了已有的氣候模型。
團隊總結道，這些結果共同表明，機器學習是提升一般環流模型的一個可行手段。
《自然》23日報道了一種人工智能（AI）模型。該模型名為“NeuralGCM”，結合了流體動力學與神經網絡，能進行準確的天氣預測和氣候模擬。模型超越了部分現有模型，與傳統模型相比，有望節省大量算力。
一般環流模型（GCMs）能表示大氣、海洋和陸地的物理過程，是天氣和氣候預測的基礎。而減少長期預報的不確定性以及估算極端天氣事件，則是氣候預測的關鍵。機器學習模型一直被認為是天氣預測的一種替代手段，它們在節省算力成本方面具有優勢，但在長期預報方面的表現常常不如一般環流模型。
鑒于此，美國谷歌研究院團隊設計了“NeuralGCM”，這個模型結合了機器學習和物理方法，能進行中短期天氣預報以及幾十年的氣候模擬。該模型對1—15天預報的準確率能媲美歐洲中期天氣預報中心（ECMWF，最好的傳統物理天氣模型之一）的預測結果。對于最多提前10天的預報，“NeuralGCM”的準確率與現有機器學習技術不相上下，有時甚至更好。
“NeuralGCM”的氣候模擬準確率與最好的機器學習和物理方法相當。當團隊在“NeuralGCM”的40年氣候預測中加入海平面溫度后，他們發現，模型給出的結果與從ECMWF數據中發現的全球變暖趨勢一致。新模型在預測龍卷風及其軌跡方面也超過了已有的氣候模型。
團隊總結道，這些結果共同表明，機器學習是提升一般環流模型的一個可行手段。
本文鏈接：結合流體動力學與神經網絡，AI模型準確進行天氣預測與氣候模擬http://www.sq15.cn/show-2-7700-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 太平洋海底發現神秘“暗氧”