鬼天气 清华&amp 处置环球级难题 预告时效初次达3小时 中国气候局大模型登Nature

真·“防患未然”，清华大学「鬼天气」预告大模型来了！

是能破解环球未解难题的那种——

公里尺度下0～3小时极其降水都能预告。

包含短时强降水、暴风雨、暴雪、冰雹等在内的极其降水天气，都能做到提早预警。

成功这项钻研可实属不易。

清华大学软件学院与国度气候中心、国度气候消息中心协作，联结攻关三年才提出这个名为NowcastNet的极其降水邻近预告大模型，并用了近六年的雷达观测资料成功了模型的训练。

在全国62位气候预告专家的环节测验中，该方法大幅上游国际上的同类方法，钻研效果现已登Nature。

目前，NowcastNet曾经在国度气候中心短临预告业务平台（SWAN 3.0）部署上线，将为全国极其降水天气短临预告业务提供撑持。

那么极其降水的邻近预告为什么这么难？清华团队又是如何处置这一难题的？

为什么被列为迷信难题？

近年来，受环球气候变动影响，极其降水天气频发，成功更准确、更精细和更长预警提早量的降水邻近预告成为人们的关注点。

因为极其降水天气环节大多只继续几十分钟且空间尺度在几公里范围，遭到对流、气旋、地形等复杂环节和大气系统混沌效应的影响较为重大。

而基于物理方程模拟的数值预告技术很难对公里尺度的极其降水做出有效预告。

因此，在往年5月27日环球气候组织峰会上，三小时内降水邻近预告就被列为了未处置的关键迷信难题之一。

△基于雷达观测的降水邻近预告是环球性难题之一

此前也有预测极其降水天气的方法。

数值计算和深度学习就是降水邻近预告的两类干流方法，但均存在清楚的毛病：

数值计算方法难以有效建模降水环节的时空多尺度特色，同时遭到预告累积误差的制约，预告时效往往在一小时以内。

深度学习方法只管长于建模非线性系统，但统计模型存在固有的小样本过平滑疑问，预告求解环节缺少物理守恒法令解放，生成的数值场含糊失真重大，难以提供有业务价值的极其降水预告。

邻近预告大模型NowcastNet

针对上述应战，2017年起，清华大学软件学院王建民传授、龙明盛副传授团队就与国度气候中心、国度气候消息中心树立钻研团队，就人工默认技术在气候大数据的运行展开协作。

经过三年联结攻关，提出了邻近预告大模型NowcastNet，并在美国和中国近六年雷达观测资料上成功了训练。

该模型的外围是端到端建模降水物理环节的神经演化算子，成功了深度学习与物理法令的无缝融合。

△物理建模与深度学习融合的邻近预告大模型NowcastNet

详细而言，钻研团队首先设计了中尺度演化网络，用以建模平流静止等物理性质更清楚的中尺度降水环节，并基于物质延续性方程（即品质守恒定律）设计了神经演化算子，端到端模拟降水环节中的十公里尺度静止，并经过反向流传最小化预告累积误差。

其次，钻研团队提出了对流尺度生成网络，以中尺度演化网络预测结果为条件，经过概率生成模型进一步捕捉对流生消等混沌效应更清楚的公里尺度降水环节。

得益于上述融合设计，该模型兼具深度学习与物理建模的长处，在国际上初次将降水邻近预告的时效延伸至3小时（上文提到，此前数值计算方法通常在1小时内），并补偿了极其降水预告的短板。

为了充沛测验邻近预告大模型NowcastNet对典型天气环节的业务指点价值，国度气候中心约请了62位来自23个省市气候台的一线预告专家，针对中美两国2个极其降水环节启动了后验测验和先验测验，并与目前业务中经常使用的方法启动了对比。

其中，pySTEPS是一种基于平流的方法，是目前环球各地气候中心所宽泛驳回的预告系统。PredRNN是一种数据驱动的神经网络，已在中国气候部分署。而DGMR是由谷歌DeepMind与英国气候局联结提出的模型。

一切模型都在美国和中国降水事情的大型雷达数据集上启动训练和测试。

△气候专家测验结果和数值目的评测结果，CSI用于权衡预告的位置准确性；PSD用于权衡预告的频谱特色与雷达观测的降水变动性之间的比拟。

正如上图所示，NowcastNet在临界成功指数（CSI）、能量谱密度（PSD）等数值目的上片面逾越现有技术，在71%的天气环节中被以为具有最高的预告价值。

在极其降水环节中，NowcastNet是惟一展现较强业务价值的邻近预告技术。

以中美两国的典型极其天气环节为例：

2021年5月14日23时40分，中国江淮地域产生强降水环节，湖北、安徽等多个地域颁布了暴雨白色预警，NowcastNet可以准确预测出三个强降水超级单体的变动环节。

△a. 预测的天文消息、b. 不同模型在T+1小时、T+2小时和T+3小时上的预测结果、c. CSI是一种用于评价预测准确性的目的

2021年12月11日9时30分，美国中部地域突发龙卷风灾祸，形成89人死亡、676人受伤，NowcastNet可以对强降水的强度、落区和静止外形等给出更明晰、更准确的预告结果。

测验标明，NowcastNet关于极其灾祸天气的精准防控具有良好的指点意义。

目前，该钻研效果以“高技巧极其降水邻近预告大模型”（Skilful Nowcasting of Extreme Precipitation with NowcastNet）为题宣布在《人造》（Nature）上，同时被《人造·资讯和观念》以“The Outlook for AI Weather Prediction”为题做了报道。

钻研人员以为：

他们还示意：

团队消息

清华大学软件学院王建民传授、龙明盛副传授，以及机器学习泰斗、加州大学伯克利分校传授、清华大学荣誉传授Michael I. Jordan为论文的通信作者。

清华大学软件学院博士生张育宸和龙明盛副传授为论文的第一作者，硕士生陈凯源、邢蓝翔加入了钻研上班。

国度气候中心金荣花钻研员提供了气候常识和数据允许并掌管了全国范围内气候专家测验上班，罗兵、张小玲、薛峰、盛杰、韩丰、张小雯等专家为钻研上班提供了指点、倡导和协助。

钻研获取国度人造迷信基金翻新钻研个体名目、低劣青年迷信基金名目和大数据系统软件国度工程钻研中心的允许。

论文链接：