중국과학원 대기물리연구소에서 강수량 예측 기술을 향상시키기 위해 물리적으로 결합된 그래프 신경망을 적용

Editor | ScienceAI

대형 모델 시대에 순수 데이터 중심의 기상 및 기후 모델의 효과는 점차 수치 모델을 따라잡거나 심지어 능가했습니다.

그러나 기존의 대규모 기상 및 기후 모델에는 여전히 몇 가지 문제가 있습니다. 예를 들어, 모델의 물리적 일관성이 충분히 높지 않아 강수량과 같은 복잡한 날씨 및 기후 현상을 예측하는 능력이 제한됩니다. 또한, 발산풍의 예측효과도 만족스럽지 못하다. 이러한 문제는 모델의 예측 정확도와 신뢰성을 향상시키기 위해 추가 연구와 개선이 필요합니다.

현재 물리학, 대기 역학 및 딥 러닝 모델을 결합하는 것은 병목 현상 문제를 해결하는 중요한 방법입니다.

최근 중국과학원 대기물리연구소 황강 연구원 팀은 지구 시스템 수치 시뮬레이션 장치(寰)의 데이터 및 컴퓨팅 파워 지원을 기반으로 커플링 관점에서 시작했습니다. 물리적 변수의 관계를 그래프 신경망과 결합하여 제약 조건에 대한 물리적 소프트 시뮬레이션을 수행하고 수치 모델의 강수량 예측 기술을 향상했으며 물리학과 AI의 통합에 대한 시도와 탐구를 했습니다.

이 연구의 제목은 "Coupling Physical Factors for Precipitation Forecast in China With Graph Neural Network"이며 1월 18일 "Geophysical Research Letters"에 게재되었습니다.

논문 링크: https://doi.org/10.1029/2023GL106676

강수예보의 난제, 특히 폭우예보를 목표로 우리팀은 강우의 영향요인과 발생 메커니즘부터 시작했습니다. 오메가 방정식, 수증기 방정식 등을 결합하여 변수 스크리닝을 수행하고 변수 결합 그래프 네트워크를 구축하여 문제를 해결합니다.

오메가 방정식과 수증기 방정식은 각각 수직 운동과 수증기 변화를 설명하는데, 둘 다 강수량에 영향을 미치는 중요한 요소입니다. 그래프 네트워크 관점에서 보면, 앞서 언급한 방정식은 기본 물리량(온도, 바람, 습도 등)의 비선형 결합과 강수량의 핵심 요소 간의 관계를 반영하므로 그래프 네트워크로 추상화할 수 있으며, 그래프 네트워크(노드) 간의 변수와 변수 간의 관계를 통해 서로 다른 물리적 변수 간의 결합 및 결합을 나타냅니다.

동시에 기후 요인이 기상 규모에 미치는 영향, 특히 다양한 기후 배경에서 모델 오류의 체계적 차이를 고려하여 이 연구에서는 계절, ENSO 및 기타 기후 요인 및 시작 시간을 포함시켰습니다. 희소 데이터 엔터티를 사용하여 임베딩 기술 모델을 교정하여 다양한 상황에서 오류를 구별합니다.

또한, 강수 과정에 대해 본 연구에서는 그래프 신경망 ChebNet을 국부적으로 개선하여 전역 연산을 피하면서 기본적으로 효과를 유지할 수 있고 계산 복잡도를 크게 줄일 수 있습니다.

그림 1: Omega-GNN 모델의 도식. (출처: 논문)

모델 비교 결과, 본 연구에서 제안한 두 개의 물리적으로 구속된 모델 omega-GNN과 omega-EGNN은 수치모델에 비해 각 카테고리의 강수량 예측 능력이 크게 향상되었으며, 성능도 수치모델보다 우수함을 알 수 있습니다. 현재 주류 모델. 물리적으로 제한된 딥 러닝 모델(예: U-NET, 3D-CNN 등)

또한 이 연구에서는 모든 딥 러닝 모델에 대해 10세트의 섭동을 수행하여 앙상블 예측을 수행할 수 있었습니다. 진단과 사례 분석을 결합하면 물리적 제약이 있는 모델이 물리적 제약이 없는 모델보다 훨씬 더 나은 것으로 나타났습니다. 호우 예측의 경우 omega-GNN 모델과 omega-EGNN 모델 앙상블 간의 일관성이 더 높습니다. 예측 능력도 더 좋아졌습니다.

그림 2: (a) 각 모델에 대한 TS 점수, (b-g) 수치 모델과 관련된 TS 차이의 공간 분포(임계치 위 강수량 20mm/6h). (출처: 논문)

논문의 교신저자인 황강 연구원은 “우리 팀은 기후 역학 방향으로 많은 것을 축적해 왔다”며 “최근 몇 년간 AI를 활용해 날씨와 환경을 개선하려는 시도를 해왔다”고 말했다. 기후 예측 및 관련 결과는 많은 관련 대회에서 수상했습니다. 대규모 AI 모델 시대에는 물리학과 AI를 어떻게 통합할 것인지가 큰 문제입니다. 물리적 결합의 관점에서 모델에 소프트 제약 조건을 적용하기 위한 기후 역학입니다. 우리는 관련 분야에 점진적인 정보를 제공하기를 희망하면서 이 방향으로 몇 가지 시도를 해왔습니다." 중국과학원 대기물리연구소의 왕 야(Wang Ya) 연구원, 중국 기상청 광저우 열대해양기상연구소의 황강(Huang Gang) 연구원이 쓰쿠다 소다(Tsukuda Soda) 박사와 협력하여 완성했다.

참고내용: https://iap.cas.cn/gb/xwdt/kyjz/202401/t20240119_6959543.html

위 내용은 중국과학원 대기물리연구소에서 강수량 예측 기술을 향상시키기 위해 물리적으로 결합된 그래프 신경망을 적용의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!