孟琪副研究员与曼彻斯特大学、湖南大学等研究人员合作,在深度学习大模型在极端气象预报方面取得进展。一篇论文发表在机器学习顶会ICLR2025。
大规模深度学习模型在天气预报中的应用已经推动了该领域的显著进展,包括更高分辨率的预报和扩展的预测周期,例如像盘古和伏羲这样的模型。尽管取得了这些成功,但以往的研究往往忽视了极端天气事件,而且专门针对这些事件的数据集仍然有限。考虑到准确预报极端天气的关键重要性,本研究引入了一个综合数据集,该数据集结合了来自高分辨率快速刷新(HRRR)数据的高分辨率极端天气案例,这是美国国家海洋和大气管理局(NOAA)提供的一个3公里实时数据集。我们还评估了当前最先进的深度学习模型和数值天气预报(NWP)系统在HR-Extreme数据集上的表现,并提供了一种改进的基线深度学习模型——HR-Heim,该模型在整体损失和HR-Extreme上的表现优于其他模型。我们的研究结果表明,极端天气案例的误差显著大于整体预报误差,突显了它们作为天气预报中重要损失来源的特点。这些发现强调了未来研究应集中在提高极端天气预报准确性上,以增强其实际应用价值。
【1】Nian Ran, Peng Xiao, Yue Wang, Wesley Shi, Jianxin Lin, Qi Meng, Richard Allmendinger
HR-Extreme: A High-Resolution Dataset for Extreme Weather Forecasting,ICLR2025