A/气象大模型的发展2022年10月2024年6月18日2018年1km2全球更细分辨2023年4月中国气象局发布不同时间尺度ECMWF发布了机器学习相关2022年12月率的模型7天+预报技巧提升三大AI气象大模型的科学出版物大量预测模型出现2022年2月2023年1月2023年11月2022年11月15天+（S2S）全球预全面的中期天气预报模式全球和区域尺度共报同发展有所发展热带气旋等天气谷歌Deepmind风清：人工智复旦大学+上中国学术界+上海Jua.ai等实现全球1xI公PeterDueben和Peter微软-GraphCast1能全球中短期气象局-风鸟海科学智能研里，提前48小时，时间步Bauer（ECMWF）使用Climax0.25°分辨率，预报系统；究所一伏费0.25°分辨率，长5分钟预报。ERA5数据发布了一篇论在各种分辨6小时产品，风雷：人工智6小时产品气候气象大模文，分辨率约为500公里，率下进行预预测许多变量和能临近预报系型，伏次季华为在更长的时间尺度用于预测未来z500。测，包括全气压层，精度与统；上改进了GraphCast节大模型的预盘古气象大模型球和区域。IFS接近。风顺：人工智（仍然是确定性的报精度更准、0.25°分辨率，Keisler发展了GraphNN1°分辨率，能全球次季预报）预报周期更长小时产品，可以与GFS模式相比较。节一季节预测（45天）运“比IFS更准确的轨NVIDIA创建了FourCastNet系统。行速度提升干迹”Fourier+，0.25°分辨率，比IFS预报快倍。O10)倍，且模式运行更为节能。6
6 AI气象大模型的发展 2018年 ECMWF发布了机器学习相关 的科学出版物 2022年2月 全面的中期天气预报模式 有所发展 2022年10月 1 km²全球更细分辨 率的模型 2022年11月 热带气旋等天气 2022年12月 大量预测模型出现 2023年1月 全球和区域尺度共 同发展 2023年4月 7天+ 预报技巧提升 Peter Dueben 和 Peter Bauer （ ECMWF ） 使 用 ERA5 数 据 发 布 了 一 篇 论 文，分辨率约为500公里， 用于预测未来z500。 Keisler 发展了 GraphNN 1°分辨率， 可以与GFS模式相比较。 NVIDIA 创建了 FourCastNet Fourier+，0.25°分辨率，比IFS预报快 O(104 ) 倍，且模式运行更为节能。 Jua.ai等实现全球1x1公 里，提前48小时，时间步 长5分钟预报。 华为 - 盘古气象大模型 0.25 °分辨率， 小时产品， “比IFS更准确的轨 迹”。 谷歌 Deepmind – GraphCast 0.25°分辨率， 6 小时产品 ， 预测许多变量和 气压层，精度与 IFS接近。 微软 – ClimaX 在 各 种 分 辨 率 下 进 行 预 测 ， 包 括 全 球和区域。 中国学术界 + 上海 气象局 - 风乌 0.25° 分辨率 ， 6 小时产品 ， 在更长的时间尺度 上改进了GraphCast （仍然是确定性的 预报）。 2023年11月 15天+ （S2S）全球预 报 复旦大学 + 上 海科学智能研 究所– 伏羲 气候气象大模 型，伏羲次季 节大模型的预 报精度更准、 预报周期更长 （45天）、运 行速度提升千 倍。 2024年6月18日 中国气象局发布不同时间尺度 三大AI气象大模型 风清：人工智 能全球中短期 预报系统； 风雷：人工智 能临近预报系 统； 风顺：人工智 能 全 球 次 季 节—季节预测 系统
智能气候预测的理念与案例基于机器学习方法的中国降水预测基于中尺度气象同化预报和深度学习的风速预报报告内容光伏电站太阳辐射超短期预报基于深度学习的北极地区格点化地表气温重建气象人工智能未来发展思考
报告内容 智能气候预测的理念与案例 基于机器学习方法的中国降水预测 基于中尺度气象同化预报和深度学习的风速预报 光伏电站太阳辐射超短期预报 基于深度学习的北极地区格点化地表气温重建 气象人工智能未来发展思考
智能气候预测的理念与案例基于机器学习方法的中国降水预测基于中尺度气象同化预报和深度学习的风速预报报告内容光伏电站太阳辐射超短期预报基于深度学习的北极地区格点化地表气温重建气象人工智能未来发展思考
报告内容 智能气候预测的理念与案例 基于机器学习方法的中国降水预测 基于中尺度气象同化预报和深度学习的风速预报 光伏电站太阳辐射超短期预报 基于深度学习的北极地区格点化地表气温重建 气象人工智能未来发展思考
智能气候预测什么是智能气候预测？将人工智能算法与气候预测相结合，构建智能气候预测技术体系，即以大数据应用为前提，在通过机器学习和常规方法进行客观定量预测的基础上进行智能评估，继而动态推荐预测结果。随着大数据和人工智能的发展，海量数据深度学习、复杂神经网络等逐步应用，人工智能为气候预测提供了一种解决难题的新思路。可以用人工智能算法把超级计算机的预报结果尽可能地、自动地、不用人工于预地修正到与实际观测数据更接近，以促进延伸期-月-次季节-季气候预测能力和准确率逐步提高
智能气候预测 什么是智能气候预测？ 将人工智能算法与气候预测相结合，构建智能气候预测技术体系，即以 大数据应用为前提，在通过机器学习和常规方法进行客观定量预测的基础上进 行智能评估，继而动态推荐预测结果。 随着大数据和人工智能的发展，海量数据深度学习、复杂神经网络等逐步 应用，人工智能为气候预测提供了一种解决难题的新思路。 可以用人工智能算法把超级计算机的预报结果尽可能地、自动地、不用人 工干预地修正到与实际观测数据更接近，以促进延伸期-月-次季节-季气候预测 能力和准确率逐步提高
|研究思路“环流是天气的载体”+“巡航导弹”模型以数值模式回算资料的季节环流预测作为输数值模式回尊预测再分折汛期环流瓷料汛期环流场入，以对应的降水预测作为输出，训练模型学习环流与同期降水之间的非线性关系；基于数值模式的基于观测、再分折资利用观测资料对模型进行迁移学习，进一步调整预训练卷积神经网络迁移学习料的迁移学习卷积网模型络模型网络参数。实际预测时利用高质量的多模式集合季节环流值模式回想预活迅期降水中国台站观预测场输入模型，预测季节降水。汛期中国台站降水测盗料巡航导弹通常采用惯导、地形匹配制导、GPS制导和景象匹配制导等组合制导方式图1美需“决等~BGM-109柜机美软导理格购正10
研究思路 10 ✓ 模型以数值模式回算资料的季节环流预测作为输 入，以对应的降水预测作为输出，训练模型学习 环流与同期降水之间的非线性关系； ✓ 利用观测资料对模型进行迁移学习，进一步调整 网络参数。 ✓ 实际预测时，利用高质量的多模式集合季节环流 预测场输入模型，预测季节降水。 “环流是天气的载体”+“巡航导弹” 巡航导弹通常采用惯导、地形匹配制导、GPS制导和景象匹配制导等组合制导方式