IT之家11 月3 日消息,Google研究院與DeepMind 合作開發了最新的天氣模型MetNet-3,該模型以之前的MetNet 和MetNet-2 為基礎,能夠提前24 小時,能夠對全球天氣情況進行高解析度預測,包括降水、表面溫度、風速、風向和體感溫度。
IT之家發現,Google提到,MetNet-3 模型已經在行動平台的「Google手機軟體」天氣預報中實裝。
MetNet-3 模型可建立「平滑且高精度」的預測,空間解析度可達1 至4 公里,並以2 分鐘為分析區間,經實驗證明,MetNet-3 的預測能力超越傳統物理天氣預報模型,例如傳統實體基礎模型「NWP(Numerical Weather Prediction)」及「快速刷新模型(HRRR)」均被MetNet-3 超過。
MetNet-3 在預測天氣方面與其他基於傳統方法的機器學習方法不同,其關鍵之處在於直接利用大氣觀測資料進行訓練和評估。研究人員指出,直接觀測的優點在於數據的密度和解析度更高。此外,MetNet-3 不僅繼承了先前的 MetNet 模型數據,還新增了來自氣象站的氣溫和風力測量數據,以嘗試全方位地預測各個位置的天氣狀況
研究人員提到,MetNet-3 的關鍵創新在於使用了一種稱為緻密化(Densification)的技術,以改善天氣預報的準確性和範圍。
在傳統物理基礎模型中,天氣預報通常需要經過兩個步驟,分別是資料同化(Data Assimilation)和模擬(Simulation),資料同化是指將實際觀測資料融入模型中,而模擬則是根據這些數據預測天氣。
在MetNet-3中,透過神經網路將「資料同化」和「模擬」兩個步驟合併在一起的緻密化技術,能夠實現更快、更直接的天氣預測。這種技術使得模型在獲取和處理數據時更加高效,同時利用神經網路來提高天氣預報的準確性。 MetNet-3模型能夠單獨處理每個特定資料流,包括等高資訊、衛星資訊和雷達資訊等,從而獲得更準確、更全面的天氣預報
此外,MetNet-3 模型採用「直接觀測」的資料作為學習樣本,以獲得基於空間和時間的高分辨率優勢。氣象站和地面雷達站能夠以每隔幾分鐘的頻率,以1公里的解析度提供特定位置的測量資料。與此相比,即便是目前世界上最先進的實體模型,也只能每6小時產生一次9公里解析度的資料,並提供每小時預報
而MetNet-3 能夠以短至2 分鐘的時間間隔,有效地處理和模擬收集到的觀測資料,結合緻密化技術、提前時間調節(Lead Time Conditioning)技術和高分辨率直接觀測方法, MetNet-3 可產生時間解析度達2 分鐘的24 小時預報,提供使用者更精準且即時的天氣預報資訊。
此外,相較於氣象站觀測的天氣信息,MetNet-3 還使用了來自地面雷達所收集的降水估計值,因此學習數據範圍更廣,無論是在風速還是降水等方面,MetNet-3的預測結果都比業界最先進的實體模型好上不少。
MetNet-3 的主要價值在於,能夠即時以機器學習技術準確地預測天氣,並在Google的產品上提供天氣預報服務。模型根據不斷蒐集的最新數據,持續地創建完整精確地預報,研究人員提到,這和傳統的物理推理系統不同,更能夠滿足天氣預報的獨特需求。
以上是谷歌推出「先進天氣預報AI」MetNet-3,號稱預測超傳統實體模型的詳細內容。更多資訊請關注PHP中文網其他相關文章!