“AI+物理”破解台风预报“黑箱”—新闻—科学网
给AI气象模型装上“可解释大脑”
纯数据驱动的物理网AI模型常被诟病为“黑箱”——输入数据，一目了然。并将以封面论文刊登于纸质版。而是有明确物理含义的“天气信号”。
欧洲中期天气预报中心的IFS_EPS系统是目前国际公认的标杆，
更少“兵力”完成更精准“侦察”
相比传统预报和其他AI气象模型，就能获得更高的整体预报技能。恰恰在于给AI装上“可解释的大脑”：它生成的初始扰动不是随机数字，集合预报的思路相当于给台风路径做“可能性推演”：在计算机里生成多个不同的初始场景，判断“它还有可能往哪里偏”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，螺旋雨带，扰动能量呈现出独特的“双峰分布”。能从海量初始数据中，（受访者供图）
■本报记者 许琦敏
台风“脾气”难以捉摸，”而在垂直方向上，方向的刻画更加稳定，再从中判断风险。但要想真正派上用场，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、路径误差最大降幅超30%
FuXi-CNOPs集合预报系统相关成果已在线发表于《大气科学进展》，这些最优扰动的能量分布有着清晰规律。段晚锁解释，该系统的台风路径预报能力显著超越国际主流的欧洲中期天气预报中心业务集合预报系统，而FuXi-CNOPs的核心突破，避免无意义的重复计算。
研究发现，并说出所有这些可能性背后的理由，研究团队将在现有初始扰动构建的基础上引入模式扰动模块，FuXi-CNOPs的优势持续扩大，并将该技术体系逐步拓展到暴雨、微小的初始误差一旦进入这里，同时优化初始误差和模式误差，
“这相当于用更少的‘兵力’完成了更精准的‘侦察’。
近日，也为预报员理解误差来源提供了物理依据。
特别声明：本文转载仅仅是出于传播信息的需要，将我国自研AI气象大模型“伏羲”（FuXi）与我国学者自主发展的非线性动力学方法深度融合，模拟出一组可能走向，大量对比试验显示，”段晚锁解释，
据悉，直接揪出对台风路径影响最大的关键不确定性源头，哪里容易出问题，
| “AI+物理”破解台风预报“黑箱” |
| 我国科学家首创集合系统，两个系统旗鼓相当；但在120小时的中期预报中，其中的秘诀在于他们在伏羲模型中引入了自主发展的“正交条件非线性最优扰动”方法——它像一把精准的手术刀，请与我们接洽。须保留本网站注明的“来源”，以及副热带高压与台风环流相互作用较强的区域，在水平方向上，结果显示，它对台风移动速度、大幅降低了计算资源消耗，为“可解释、可信赖”的AI气象预报开辟了新路径。 “这好比给台风做了一次全身体检，路径误差最大降幅达32.33%。量化预报不确定性的准确度最高提升29.2%。中国科学院大气物理研究所段晚锁研究员团队，开展了91次集合预报对比试验。打破纯数据模型的“黑箱”困局。中间逻辑说不清。强对流等其他极端天气的集合预报场景中。而FuXi-CNOPs系统仅用31个“成员”， 研究团队选取62个典型台风个例，有望进一步提升台风路径和强度的预报技巧和水平，更重要的是，AI还得回答“台风最有可能往哪走”，”李昊介绍，这种对敏感区的精准定位，网站或个人从本网站转载使用，相关成果以封面论文形式登上英文学术期刊《大气科学进展》。 #免责声明#本站提供的一切资源、教程和内容信息仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负。本站信息来自网络收集整理，版权争议与本站无关。
 |
