谷歌推出「先進天氣預報 AI」MetNet-3，號稱預測結果超過傳統實體模型

11 月3 日訊息，Google研究院與DeepMind 合作開發了最新的天氣模式MetNet-3，以先前的MetNet 和MetNet-2 為基礎，能夠提早24 小時，能夠對全球天氣狀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。

本站發現，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 模型可以創建「平滑且高精度」的預測，空間解析度可以達到1至4公里，並且以2分鐘為分析區間。經過實驗證明，MetNet-3 的預測能力超越了傳統的物理天氣預報模型，例如傳統的物理基礎模型“NWP（Numerical Weather Prediction）”和“快速刷新模型（HRRR）”都被MetNet-3 所超過

MetNet-3 在預測天氣上，與其他建立在傳統方法之上的機器學習方法不同，關鍵點在於MetNet-3 直接透過大氣觀測資料進行訓練和評估。研究人員提到，直接觀測的優點在於資料密度及解析度較高。此外，除了繼承先前 MetNet 模式的資料之外，MetNet-3 還新增學習來自氣象站的氣溫、風力測量資料，以嘗試對所有位置進行全方位天氣預測。

研究人員指出，MetNet-3的關鍵創新在於採用了緻密化技術，以提高天氣預報的準確性和覆蓋範圍

在傳統在物理基礎模型中，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資料預測天氣。

MetNet-3 中採用緻密化技術，透過神經網路將「資料同化」和「模擬」兩個步驟合併，以實現更快速、更直接的天氣預測。該技術提高了模型獲取和處理數據的效率，並利用神經網路改善了天氣預報的準確性。同時，MetNet-3 模型能夠單獨處理包含等高資訊、衛星資訊和雷達資訊等的每個特定資料流，從而獲得更準確、更全面的天氣預報

此外，採用“直接觀測”的數據作為學習樣本，為MetNet-3 模型帶來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用每隔幾分鐘的頻率，以1 公里的分辨率提供特定位置的測量資料。相較之下，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）技術與高解析度直接觀測方法，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，MetNet-3 也利用來自地面雷達的降水估計值，與氣象站觀測的天氣資訊相比，其學習資料範圍更廣。因此，無論是風速或降水等方面，MetNet-3 的預測結果都優於業界最先進的實體模型

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，號稱預測結果超過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！