Nature 速递：3D神经网络精确预测中期全球天气

关键词：AI 天气预报，大气动力学，3D神经网络，极端天气，集合预报

论文题目：Accurate medium-range global weather forecasting with 3D neural networks

论文来源：Nature

斑图链接：https://pattern.swarma.org/paper/1d1811b6-1b89-11ee-af09-0242ac17000d

天气预报的重要性不言而喻，尤其是预测极端天气事件，对科学和社会都很重要。目前，最精准的预报系统是数值天气预报（numerical weather prediction，NWP）方法。它用离散的网格表示大气状态，通过求解偏微分方程来描述这些状态转移，但此过程的计算成本很高。近年来，基于AI的方法在预报天气方面已显现出一定的潜力，但其预报精度仍然明显低于NWP方法。

最近发表在 Nature 的这篇文章介绍了一种基于AI的方法，可以准确预测中期全球天气（medium-range global weather forecasting）。中期天气预报是对未来于4～10天内天气变化趋势的预报。他们提出的这种三维深度神经网络学习了地球特定的先验知识，能有效地处理天气数据中的复杂模式，而且这种分层时间聚合策略（hierarchical temporal aggregation strategy）减少了中期天气预报的累积误差。

此项目 Pangu-Weather 以39年的全球数据为基础，与世界上最好的NWP系统——欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的综合预报系统相比，在所有测试变量的再分析数据上获得了更强的确定性预报结果。此方法也适用于极端天气预报和集合预报（ensemble forecasts）。将再分析数据（reanalysis data）初始化后，对热带气旋的跟踪精度也高于ECMWF-HRES。

训练模型、推理代码和细节伪码可见：https://github.com/198808xc/Pangu-Weather