解决数据孤岛/计算消耗/误差累积问题，上海人工智能实验室苏锐：FengWu-GHR实现AI气象预测多重突破
内容提要
苏锐在2024年北京智源大会上介绍了上海人工智能实验室的AI气象预报研究成果FengWu-GHR，该模型具有长时间预报能力和高计算效率。团队开发的FengWu-GHR模型解决了高分辨率气象预测和累积误差问题，在RMSE和ACC指标上表现优势，并在热浪和寒流预测方面也有优势。团队希望进一步研究气候级别的预报和气候演化。
关键要点
-
苏锐在2024年北京智源大会上介绍了FengWu-GHR模型，该模型具有长时间预报能力和高计算效率。
-
FengWu-GHR模型解决了高分辨率气象预测和累积误差问题，在RMSE和ACC指标上表现优越。
-
AI方法的引入使气象预报技巧的提升速度大幅加快，从每10年提高1天到几个月内提高。
-
FengWu模型的灵感来源于分析全球气象要素场数据，采用滚动预测的方法。
-
FengWu模型在台风轨迹预测方面表现出色，但在台风强度预测上仍存在不足。
-
FengWu-GHR是首个在0.09°高分辨率下实现的AI气象预报模型，解决了高分辨率模型训练的难题。
-
FengWu-GHR在RMSE和ACC指标上优于IFS模型，显示出更好的预测性能。
-
FengWu-GHR在热浪和寒流预测方面也表现出优势，未来希望扩展到气候级别的预报研究。
延伸问答
FengWu-GHR模型的主要优势是什么？
FengWu-GHR模型具有长时间的提前预报能力和高计算效率，能够在10.75天内进行预报，且计算速度比传统方法快2000倍以上。
FengWu-GHR模型如何解决高分辨率气象预测的难题？
FengWu-GHR模型通过将高分辨率气象数据分解为多个低分辨率数据进行训练，并引入新的模块捕捉非线性关系，从而实现了0.09°的高分辨率预测。
FengWu-GHR在台风预测方面的表现如何？
FengWu-GHR在台风轨迹预测中表现优越，预测误差最小，但在台风强度预测上仍存在不足。
AI技术如何影响气象预报的提升速度？
引入AI后，气象预报技巧的提升速度从每10年提高1天缩短至几个月内提高。
FengWu-GHR模型在RMSE和ACC指标上表现如何？
FengWu-GHR在RMSE和ACC指标上均优于IFS模型，显示出更好的预测性能。
未来FengWu-GHR模型的研究方向是什么？
未来希望扩展FengWu-GHR模型的研究到气候级别的预报和气候演化的探讨。
