まさに「雨の日に備える」清華大学の「幽霊天気」予測モデルが登場！
これは、世界の未解決の問題を解決できる種類のものです -
0 から 3 時間までの極端な降水量をキロメートルスケールで予測できます。
短期間の豪雨、嵐、吹雪、ひょうなどの極端な降水気象は、早期に警報を発する可能性があります。
写真
この調査を完了するのは簡単ではありませんでした。
清華大学ソフトウェア学部は、国立気象センターおよび国家気象情報センターと協力し、共同研究で 3 年を要し、NowcastNet と呼ばれるこの大規模極端降水ナウキャスティング モデルを提案しました。レーダー観測データを取得してモデルをトレーニングします。
全国の天気予報の専門家62名によるプロセステストにおいて、この方法は世界中の同様の方法よりも大幅に先を行っており、研究結果はこのたびNatureに掲載されました。
写真
現在、NowcastNet は国立気象センターの短期予報ビジネス プラットフォーム (SWAN 3.0) に導入され、運用が開始されており、情報を提供します。全国的な異常降水気象の短期予報業務を支援します。
それでは、なぜ極度の降水量のナウキャストがこれほど難しいのでしょうか?清華大学のチームはこの問題をどのように解決しましたか?
近年、地球規模の気候変動の影響により異常降水気象が多発しており、より高精度・高精度で警報リードタイムも長い降水ナウキャスティングが注目を集めています。
極端な降水気象プロセスのほとんどは数十分しか続かず、空間スケールは数キロメートル以内であるため、対流、低気圧、地形、大気の混沌とした影響などの複雑なプロセスによって深刻な影響を受けます。システム。
しかし、物理方程式シミュレーションに基づく数値予測技術では、キロメートル規模の極端な降水量を効果的に予測することは困難です。
したがって、今年 5 月 27 日の世界気象機関サミットでは、3 時間以内の降水量ナウキャスティングが重要な未解決の科学的問題の 1 つとして挙げられました。
△レーダー観測に基づく降水ナウキャスティングは世界の難題の一つです
これまでも異常降水気象を予測する手法は存在していました。
数値計算と深層学習は、降水ナウキャスティングの 2 つの主流の方法ですが、どちらにも明らかな欠陥があります:
数値計算手法は、降水プロセスの時空間マルチスケール特性を効果的にモデル化することが困難です。累積的な予測誤差によって制限されるため、予測の適時性は 1 時間以内になることがよくあります。
ディープ ラーニング手法は非線形システムのモデリングに優れていますが、統計モデルには小さなサンプルの過剰平滑化の問題が固有に存在します。予測解のプロセスには物理保存則の制約が欠けており、生成された数値フィールドには深刻なぼけや歪みが生じます。異常降水予報の価値。
上記の課題に対応するため、2017 年以来、清華大学ソフトウェア学部の王建民教授と龍明生准教授のチームは研究チームを設立しました。国立気象センター、国立気象情報センターと連携し、気象ビッグデータへの人工知能技術の活用に協力。
3 年間の共同研究を経て、ナウキャスティングの大規模モデル NowcastNet が提案され、過去 6 年間の米国と中国のレーダー観測データに基づいてトレーニングされました。
このモデルの中核は、降水の物理プロセスをエンドツーエンドでモデリングするためのニューラル進化オペレーターであり、深層学習と物理法則のシームレスな統合を実現します。
△物理モデリングと深層学習を統合した大規模なナウキャスティング モデル、NowcastNet
具体的には、研究チームはまず、次の順序でメソスケールの進化ネットワークを設計しました。移流運動などのより重要な物理的特性を備えたメソスケールの降水プロセスをモデル化するために、物質の連続方程式 (つまり、質量保存則) に基づいて、降水プロセスにおける 10 キロメートル規模の運動をシミュレートするニューロエボリューション オペレーターが設計されました。エンドツーエンドの逆伝播により、累積予測誤差が最小限に抑えられます。
第二に、研究チームは、対流スケール生成ネットワークを提案し、メソスケール進化ネットワークの予測結果に基づいて、確率的生成モデルを使用して、対流の生成と消散はより重要です。
前述の融合設計のおかげで、このモデルはディープラーニングと物理モデリングの利点を組み合わせており、世界で初めて降水ナウキャスティングの適時性を 3 時間に延長しました (前述の、従来の数値計算法（通常1時間以内）により、極端な降水量予測の欠点を補います。
典型的な気象プロセスに対するナウキャスト大型モデル NowcastNet の運用指針値を完全にテストするために、国立気象センターは 23 の省および市の気象観測所から 62 人の第一線の予報専門家を招待し、中国の 2,400 の極端な降水プロセスに関する調査を実施しました。事後的および先験的なテストが実行され、現在ビジネスで使用されている方法と比較されます。
現在、世界中の気象センターで広く使用されている予測システムには、移流ベースの pySTEPS メソッドが含まれています。 PredRNN は、中国気象局に導入されているデータ駆動型ニューラル ネットワークです。 DGMR モデルは、英国気象庁と協力して Google DeepMind によって提案されました。
すべてのモデルは、米国と中国の降水イベントの大規模なレーダー データセットでトレーニングおよびテストされています。
写真
上の図に示すように、NowcastNet は、クリティカル サクセス インデックス (CSI) やパワー スペクトル密度 (PSD) などの数値指標において既存のテクノロジーを総合的に上回り、気象の 71% で最高の予測を行うと考えられています。プロセスの値。
極度の降雨の過程で、強いビジネス価値を示すナウキャスト テクノロジーは、NowcastNet だけです。
中国と米国における典型的な異常気象プロセスを例に挙げます。
2021 年 5 月 14 日 23:40 に、中国の江淮地方で大雨が発生しました。湖北省、安徽省など この地域は大雨に関する赤色警報を発令しており、NowcastNet は 3 つの大雨スーパーセルの変化過程を正確に予測できます。
写真
2021 年 12 月 11 日 9 時 30 分、米国中部で竜巻災害が発生し、89 人が死亡、676 人が負傷しました。豪雨の強度、降雨面積、移動パターンについて、より明確かつ正確な予測結果が得られます。
写真
検査により、NowcastNet が極端な災害気象の正確な防止と制御にとって優れた指導的重要性を持っていることがわかりました。
現在、研究結果は「Skilful Nowcasting of Extreme Precipitation with NowcastNet」というタイトルで Nature に掲載されているほか、Nature News や Viewpoint にも「AI 天気予報の展望」で報告されています。
研究者らは次のように考えています:
この研究は、データ駆動型および物理学駆動型の「科学学習」の新しいパラダイムを探求し、時空物質のモデル化と予測の方法を提案します。この一般的な方法は、マルチスケールの物理的性質に関する他の問題にも応用できる可能性があります。
彼らは次のようにも述べています:
将来的には、このソリューションの応用は、物理的な問題解決、大気と海洋のシミュレーション、産業などのシナリオでさらに促進されるでしょう。設計シミュレーション。
清華大学ソフトウェア学部のWang Jianmin教授とLong Mingsheng准教授、および機械学習の専門家である清華大学教授のMichael I. Jordanこの論文の著者はカリフォルニア州バークレー校、清華大学名誉教授です。
清華大学ソフトウェア学部の博士課程学生 Zhang Yuchen 氏と准教授 Long Mingsheng 氏がこの論文の筆頭著者であり、修士課程学生の Chen Kaiyuan 氏と Xing Lanxiang 氏が研究に参加しました。
国家気象センターの金栄華研究員は、気象に関する知識とデータのサポートを提供し、全国の気象専門家の検査業務を主宰しました。専門家には、Luo Bing、Zhang Xiaoling、Xue Feng、Sheng Jie、Han Feng、および張暁文氏は研究活動を支援し、指導、助言、援助を行った。
この研究は、中国国立自然科学財団の革新研究グループ プロジェクト、優秀青少年科学基金プロジェクト、および国立ビッグ データ システム ソフトウェア工学研究センターによって支援されました。
論文リンク: https://www.nature.com/articles/s41586-023-06184-4
以上が清華大学と中国気象局の大型モデルが『ネイチャー』に登場：世界規模の問題を解決、「幽霊天気」予報の適時性が初めて3時間に到達の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
