Прогностические модели и международный обмен метеоинформацией

Полезные ссылки:
Метеоцентр.Азия - наш сайт с высокодетализированными прогнозами погоды по пунктам Pоссии и мира
Облегчённая версия Метеоклуба (для смартфонов)

Прогностические модели и международный обмен метеоинформацией

Сейчас в Метеоклубе:
Участников - 1 [ ded ]
Максимальное одновременное количество посетителей: 308 [2 Ноя 2013 22:42]
Гостей - 296 / Участников - 12

 - Начало - Ответить - Статистика - Pегистрация - Поиск -

МЕТЕОКЛУБ : независимое сообщество любителей метеорологии (Европа и Азия) : ФОРУМ О ПОГОДЕ И ПРИРОДЕ / Метеорология: наука и практика / Прогностические модели и международный обмен метеоинформацией
<< 1 ... 36 . 37 . 38 . 39 . 40 . >>
Автор Сообщение
CorvusCorax
Автор сайта

# Дата: 19 Мар 2022 10:38


Как дела с метеорологией в России? Могут ли нас оставить без прогноза погоды?

Раз я занимаюсь метеорологией, то хотелось бы рассказать о состоянии дел в этой отрасли. Сейчас много разговоров об импортозамещении. Чаще всего об этом говорят люди, ничего в этом не понимающие. Они оперируют абстрактными идеологическими понятиями, которые не имеют под собой никакой конкретики. Одни рассуждают о том, что за год мы начнём выпускать свои самолёты. Другие думают, что процесс создания микропроцессора столь прост, что его можно просто скопировать. Есть несколько высокотехнологичных сфер, которые являются своеобразным индикатором развития современного государства – это космонавтика, микроэлектроника и метеорология. О последнем говорят крайне редко, но метеорологическая сфера является квинтэссенцией всех остальных.

https://www.winstein.org/blog/2022-03-17-552


Сейчас самой лучшей моделью является модель Европейского центра среднесрочных прогнозов (ECMWF). Она поддерживается специалистами всех стран Евросоюза, а сам центр идёт в авангарде мировой метеорологии. Второе место занимает модель Великобритании. Где же находится отечественная модель в этом рейтинге? На самом последнем 9 месте. Она прогнозирует поле давления с такой же точностью, которая была у европейской модели в 2003 году. Это означает, что отставание нашей метеорологии от европейской оценивается в 18 лет! Переведу в более доступные понятия. Европейская модель – это Мерседес класса люкс, а отечественная, это жигуль 5 модели.



Прогнозы отечественной модели «ПЛАВ» настолько низкого качества, что их не используют в Гидрометцентр России даже на одни сутки. Если вы сейчас откроете их сайт, то увидите там автоматизированный прогноз на 7 суток. Он составляется по российской методике, но изначальные данные берутся от европейской модели. Гидрометцентр на выходе использует зарубежные данные, обрабатывает их и выдаёт на сайт. С другими сайтами ситуация аналогичная. Например, на Яндексе в самом низу можно найти приписку «исходные данные: ECMWF; NOAA». Это означает, что Яндекс использует не только европейские данные, но и прогнозы американской модели, которая поддерживается Национальным управлением океанических и атмосферных исследований США. Есть ещё одна краткосрочная модель COSMO, которая мимикрирует под отечественную, но стартует она с начальных данных немецкой модели ICON. Теоретически это означает, что по официальной линии Росгидромета, немцы и ЕС легко могут прекратить передавать эти данные.

Все прогнозы, которые вы видите в Интернете, базируются на зарубежных данных. Но одно дело софт, а совсем другое железо. Сюда можно отнести спутники и суперкомпьютеры. Большая часть метеорологических спутников – это США, ЕС и Китай. У России тоже есть спутники, но их крайне мало.

...

Итог. Технологическое отставание отечественной метеорологии от западной будет только усиливаться. Расходы на метеорологию сократятся. Государству сейчас не до этого. Могут ли Россию отключить от зарубежных прогнозов? Могут, но только по официальной линии Росгидромета, ведь останется огромное количество приложений и сайтов, которые их получают по другим каналам. Но общие перспективы крайне печальные…





CorvusCorax
Автор сайта

# Дата: 4 Ноя 2022 16:18


Формирование продукции систем негидростатического моделирования атмосферы COSMO-RuBy (Гидрометцентр России)
и WRF-ARW (Белгидромет) для краткосрочного
прогноза погоды


http://method.meteorf.ru/publ/tr/tr382/01.pdf

ded
Участник

наро-фоМИНСК
# Дата: 6 Ноя 2022 05:32


CorvusCorax Раз я занимаюсь метеорологией...

Очень странный товарищ и не менее странный рейтинг.

ЖФС и ЕЦСПП - модели номер один и два, по комплексу признаков, исходя из многолетнего наблюдения в треугольнике Шереметьево-Домодедово-Внуково.


Могут ли Россию отключить от зарубежных прогнозов? Могут,

Это вряд ли. Потому что, без фактических данных от метеостанций России этим прогнозам наступит кирдык. Помнится, несколько лет назад в целях экономии средств метеостанции РФ с двух-разового перевели на 1-разовый в сутки запуск метео-зондов. Так руководитель ВМО лично звонил в Росгидромет и слезно просил восстановить 2-х разовое зондирование, т.к. без этого модели плохие прогнозы выдают.

С 20 октября все украинские станции перестали посылать в обмен данные о фактической погоде и то это уже сказывается на модельном прогнозировании. Так что же будет, когда это перестанет делать Россия.

CorvusCorax
Автор сайта

# Дата: 6 Ноя 2022 12:35


ded

Это наш участник из Кургана, раньше довольно много писал про ДПП, но в этом году практически не появляется в Метеоклубе.

CorvusCorax
Автор сайта

# Дата: 18 Фев 2023 06:45


Статья про точность комплексного прогноза ГМЦ РФ по разным метеоэлементам

Оперативный комплексный прогноз приземных метеоэлементов:
температуры и влажности воздуха, ветра и количества осадков с
заблаговременностью 6 - 144 ч по городам России, Беларуси и республик
Средней Азии


https://cs.hse.ru/data/2019/11/29/1519242088/19_11 _22_Bikov_Bagrov_Gordin.pdf

Sahara
Участник

# Дата: 29 Jul 2023 11:12


Истинная климатическая модель. И синее непотребство.













CorvusCorax
Автор сайта

# Дата: 16 Ноя 2023 02:47


Основанная на искусственном интеллекте модель предсказания погоды GraphCast впервые превзошла в точности существующие системы прогнозов. GraphCast разработан группой ученых из Google DeepMind. В отличие от традиционных методов, модель GraphCast работает на основе машинного обучения с использованием исторических данных, в которых она может находить неочевидные закономерности. Благодаря этому ее прогнозы оказываются точнее. В своем исследовании, опубликованном в журнале Science, группа ученых называет результат сравнения GraphCast c традиционными моделями «поворотным моментом» в прогнозировании ураганов, циклонов и экстремальных температур.
Одной из наиболее точных систем предсказания погоды в мире считается система High RESolution forecast (HRES), которую использует Европейский центр среднесрочных прогнозов погоды (ЕЦСПП). 
Эта система, как и все остальные традиционные модели предсказания погоды в мире, использует так называемый «численный прогноз». По сути он представляет собой решение множества уравнений, содержащих различные метеорологические данные, с помощью суперкомпьютеров. При этом, как отмечают ученые, с годами точность прогнозов возросла до такой степени, что траекторию урагана можно предсказать за много дней, что было немыслимо еще несколько десятилетий назад.
Однако такой подход имеет свои недостатки: во-первых, он требует очень больших вычислительных ресурсов. Во-вторых, он ограничен теми закономерностями, которые метеорологи изучают и осознанно добавляют в модель в виде дополнительных уравнений и их уточнений. Обучаться на исторических данных сама по себе такая модель не может — для этого ей нужен «переводчик» в виде исследователя.
В последние годы альтернативой этому подходу стало машинное обучение, которое использует исторические данные и самостоятельно строит прогноз только на основе многолетней статистики, без учета «физики» поведения атмосферы.
Развитием именно такого подхода стала разработанная учеными модель под названием GraphCast. Она создает точный 10-дневный прогноз менее чем за минуту на одном устройстве Google Cloud TPU v4 — то есть тратит на несколько порядков меньше вычислительных данных, чем существующие суперкомпьютерные системы. В качестве исходных данных для прогноза модель берет два состояния погоды на Земле — в текущем времени и шесть часов назад, собранные ЕЦСПП на основе глобальных метеорологических наблюдений.
Результаты GraphCast ученые сравнивали с прогнозами системы HRES, которую использует ЕЦСПП, по ряду показателей, включая температуру, давление, скорость и направление ветра, а также влажность на разных уровнях атмосферы. GraphCast превзошел HRES по 90,3% показателям из 1380.
Кроме того, ученые тестировали способности GraphCast в предсказании явлений, прогнозированию которых он не был специально обучен — тропических циклонов, атмосферных рек (это узкие зоны высокой концентрации водяного пара в атмосфере) и экстремальных температур.
В качестве примера успешного прогноза ученые приводят ураган «Ли», пришедший в Канаду в сентябре 2023. По словам ведущего автора статьи Реми Лама, GraphCast смог предсказать, что «Ли» выйдет на берег в Новой Шотландии за девять дней до того, как это произошло — по сравнению с шестью днями для традиционных подходов. «Это дало людям еще три дня, чтобы подготовиться к его прибытию», — сказал Лам журналистам газеты Financial Times.
Однако, как отмечает FT, с предсказанием усиления урагана «Отис» у тихоокеанского побережья Мексики в конце октября искусственный интеллект справился не лучше традиционных моделей.
Еще одним преимуществом моделей на основе искусственного интеллекта ученые называют стоимость их улучшений — повышать эффективность их работы можно за счет использования современного оборудования глубокого обучения (это один из видов машинного обучения), а не суперкомпьютеров. 
По словам координатора машинного обучения ЕЦСПП Мэтью Чантри, после обучения GraphCast будет «чрезвычайно дешев в эксплуатации». «Мы можем говорить о том, что он будет примерно в тысячу раз дешевле с точки зрения энергопотребления», — считает Чантри.
При этом модели, использующие машинное обучение, критически зависят от качества и объема данных, источником которых в этом случае служит архив традиционных «численных» прогнозов. Поэтому, как отмечают ученые, GraphCast следует рассматривать не как замену традиционных методов, а как свидетельство того, что модели на основе машинного обучения способны решать проблемы реального прогнозирования.
Сами ученые называют результаты своих исследований «поворотным моментом» в прогнозировании погоды.


CorvusCorax
Автор сайта

# Дата: 16 Ноя 2023 03:25


ИИ DeepMind научился точно предсказывать погоду на ресурсах обычного ПК

https://m.hightech.plus/2023/11/15/ii-deepmind-nau chilsya-tochno-predskazivat-pogodu-na-resursah-obi chnogo-pk

CorvusCorax
Автор сайта

# Дата: 16 Ноя 2023 12:06


Первоисточник статьи про ГрафКаст

https://www.science.org/doi/10.1126/science.adi233 6

ded
Участник

наро-фоМИНСК
# Дата: 17 Ноя 2023 06:03


CorvusCorax По прогнозу в тропосфере, изменения в которой более всего влияют на нас, GraphCost превосходит HRES по 99% параметров. По всем слоям атмосферы — по 90% параметров. Кроме того, модель способна эффективно предсказывать опасные метеорологические явления. И при этом она потребляет примерно в 1000 раз меньше электроэнергии, по сравнению с традиционными методами.

Ни одного конкретного примера, одна беллетристика. На какую заблаговременность сравнивались прогнозы? И где тогда карты этого чудо-прогноза?

В качестве исходных данных для прогноза модель берет два состояния погоды на Земле — в текущем времени и шесть часов назад, собранные ЕЦСПП на основе глобальных метеорологических наблюдений.

Исходные данные и созданные на их основании исходные карты состояния атмосферы - это половина работы. Это база от которой все и считается. Не будет этой базы и не будет никаких чудо-прогнозов.


Если бы все было так просто, то эти чудо прогнозы были бы доступны. И где они?

CorvusCorax
Автор сайта

# Дата: 18 Ноя 2023 03:14


Искусственный интеллект превзошёл точность прогнозов синоптиков?

Лондонская лаборатория искусственного интеллекта Google DeepMind разработала систему, которая, по словам авторов проекта, составляет самые точные в мире прогнозы погоды на десять дней. Модель получила название GraphCast — она работает быстрее и точнее погодного симулятора HRES (High-Resolution Forecast), который считается отраслевым стандартом.

Данные GraphCast были проанализированы экспертами Европейского центра среднесрочных прогнозов погоды (ЕЦСПП) — межправительственной организацией, которая составляет HRES. Действующая версия GraphCast размещена на сайте ЕЦСПП. В сентябре она за девять дней предсказала, что на побережье Новой Шотландии (Канада) обрушится ураган «Ли», а традиционные средства прогнозирования установили это лишь за шесть дней. Кроме того, они оказались менее точными в аспекте времени и места выхода стихии на берег.


Sahara
Участник

# Дата: 18 Ноя 2023 03:23


где они?
ded

Здесь, но мне не нравится шаг температуры в 4 градуса.
Барика и Т850.

CorvusCorax
Автор сайта

# Дата: 18 Ноя 2023 10:14




GraphCast составляет прогнозы в разрешении 0,25 градуса широты и долготы, что соответствует разрешению примерно 28х28 км на экваторе. Иными словами, Земля разбита на миллион участков, по каждому из которых готовится прогноз с пятью переменными на земной поверхности и шести атмосферными показателями, которые охватывают атмосферу планеты в трёх измерениях на 37 уровнях. Переменные включают в себя показатели температуры, ветра, влажности, осадков и давления на уровне моря. Учитывается также геопотенциал - гравитационная потенциальная энергия на единицу массы в указанной точке относительно уровня моря. В ходе испытаний модель GraphCast на 90% превзошла самые точные детерминированные системы для 1380 тестовых объектов. В тропосфере прогнозы GraphCast оказались точнее HRES по 99,7% тестовых переменных.

При этом модель демонстрирует высокую эффективность: прогноз на десять дней выполняется менее чем за минуту на одной машине Google TPU v4, тогда как традиционный подход требует нескольких часов работы суперкомпьютера с сотнями машин.

Google DeepMind предлагает всем желающим присоединяться к проекту - разработчик опубликовал исходный код модели.


CorvusCorax
Автор сайта

# Дата: 18 Ноя 2023 10:16


Ни одного конкретного примера, одна беллетристика. На какую заблаговременность сравнивались прогнозы?
ded

Все подробности в исходной статье

https://www.science.org/doi/10.1126/science.adi233 6

CorvusCorax
Автор сайта

# Дата: 18 Ноя 2023 10:28


И вот ещё

Чтобы снизить финансовые и энергетические затраты на прогнозирование, несколько технологических компаний разработали модели машинного обучения, которые быстро прогнозируют будущее состояние глобальной погоды на основе прошлых и текущих данных о погоде. Среди них DeepMind, производитель компьютерных чипов Nvidia и китайская технологическая фирма Huawei, а также множество начинающих компаний, таких как Atmo, базирующаяся в Беркли, Калифорния. Из них модель погоды Пангу от Huawei является сильнейшим конкурентом золотой стандартной системы ЧПП в Европейском центре среднесрочных прогнозов погоды (ECMWF) в Ридинге, Великобритания, которая обеспечивает ведущие в мире прогнозы погоды на срок до 15 дней. .

Машинное обучение стимулирует революцию в прогнозировании погоды, говорит Мэтью Чантри, координатор машинного обучения в ECMWF. Модели искусственного интеллекта работают в 1 000–10 000 раз быстрее, чем традиционные модели ЧПП, что дает ученым больше времени для интерпретации и передачи прогнозов, говорит исследователь визуализации данных Джейкоб Рэдфорд из Кооперативного института исследований атмосферы в Колорадо.

GraphCast превосходит традиционные подходы и подходы на основе искусственного интеллекта при решении большинства задач глобального прогнозирования погоды. Исследователи сначала обучили модель, используя оценки прошлой глобальной погоды, полученные с 1979 по 2017 год с помощью физических моделей. Это позволило GraphCast изучить связи между погодными переменными, такими как давление воздуха, ветер, температура и влажность.

Обученная модель использует «текущее» состояние глобальной погоды и оценки погоды за 6 часов ранее, чтобы предсказать погоду на 6 часов вперед. Более ранние прогнозы возвращаются в модель, что позволяет ей делать оценки на будущее. Исследователи DeepMind обнаружили, что GraphCast может использовать глобальные оценки погоды за 2018 год, чтобы делать прогнозы на десять дней вперед менее чем за минуту, и эти прогнозы были более точными, чем прогнозы системы прогнозирования высокого разрешения ECMWF (HRES) — одной из версий его ЧПП, прогнозирование которого занимает несколько часов.

Суровая погода
«В тропосфере, которая является частью атмосферы, ближайшей к поверхности и которая влияет на нас больше всего, GraphCast превосходит HRES в более чем 99% из 12 000 измерений, которые мы сделали», — говорит ученый-компьютерщик Реми Лам из DeepMind в Лондон. На всех уровнях атмосферы модель превзошла HRES в 90% прогнозов погоды.

GraphCast предсказал состояние пяти погодных переменных вблизи поверхности Земли, таких как температура воздуха на высоте 2 метра над землей, и шести атмосферных переменных, таких как скорость ветра, дальше от поверхности Земли.

По словам Чантри, это также оказалось полезным для прогнозирования суровых погодных явлений, таких как траектории тропических циклонов, а также периоды сильной жары и холода.

Когда они сравнили возможности прогнозирования GraphCast с прогнозами Pangu-weather, исследователи DeepMind обнаружили, что их модель превосходит 99% прогнозов погоды, описанных в предыдущем исследовании Huawei.

Чантри отмечает, что производительность GraphCast превосходила другие модели в этом исследовании, если судить по ее оценке по определенным показателям. Будущие оценки с использованием других показателей могут привести к несколько иным результатам.

Данные обучения

По словам Чантри, вместо того, чтобы полностью заменить традиционные подходы, модели машинного обучения, которые все еще являются экспериментальными, могут улучшить определенные типы прогнозов погоды, с которыми стандартные подходы не справляются, — например, прогнозирование осадков, которые обрушатся на землю в течение нескольких часов.

«И стандартные физические модели по-прежнему необходимы для получения оценок глобальной погоды, которые первоначально используются для обучения моделей машинного обучения», — говорит Чантри. «Я ожидаю, что пройдет еще два-пять лет, прежде чем люди смогут использовать прогнозирование на основе подходов машинного обучения для принятия решений в реальном мире», — добавляет он.


https://www.nature.com/articles/d41586-023-03552-y

ded
Участник

наро-фоМИНСК
# Дата: 18 Ноя 2023 11:39


Sahara Выбрал для сравнения карты приземного давления и осадков (слева ЕЦСПП, справа ГрафКаст). На заблаговременности 120 часов барические и поля осадков приблизительно схожи, но на заблаговременности 192 часа, совсем разные картинки


Так что не понятно, как не детерминированный расчет может быть точнее детерминированного?

ded
Участник

наро-фоМИНСК
# Дата: 18 Ноя 2023 11:49


CorvusCorax Там самое интересное в конце

По словам Чантри, вместо того, чтобы полностью заменить традиционные подходы, модели машинного обучения, которые все еще являются экспериментальными, могут улучшить определенные типы прогнозов погоды, с которыми стандартные подходы не справляются, — например, прогнозирование осадков, которые обрушатся на землю в течение нескольких часов.

Т.е. и всего то - ближайшие осадки прогнозировать?


«И стандартные физические модели по-прежнему необходимы для получения оценок глобальной погоды, которые первоначально используются для обучения моделей машинного обучения», — говорит Чантри. «Я ожидаю, что пройдет еще два-пять лет, прежде чем люди смогут использовать прогнозирование на основе подходов машинного обучения для принятия решений в реальном мире», — добавляет он.

Т.е. без детерминированных моделей, экспериментальные не работают.

Sahara
Участник

# Дата: 18 Ноя 2023 13:00


ded

Увлёкся ты критикой... А ведь именно в последние годы (особенно последний год) все модели дико лажают. Пользы на практике уже и нет. Если некая посторонняя программа способна улучшить результат уже действующих моделей, что в этом плохого?

CorvusCorax
Автор сайта

# Дата: 18 Ноя 2023 14:04


например, прогнозирование осадков, которые обрушатся на землю в течение нескольких часов.

Т.е. и всего то - ближайшие осадки прогнозировать?

ded

Это о другом. Имеется в виду, что аналогичным образом (с помощью ИИ) можно делать не только глобальный прогноз на 10 суток, но и точный наукастинг осадков на ближайшие несколько часов (наподобие того, что делает по ЕТР ГМЦ РФ на базе модели КОСМО-2). Причём без суперкомпьютеров и огромных денежных затрат.

CorvusCorax
Автор сайта

# Дата: 18 Ноя 2023 14:17


Помимо GraphCast, с Редингом сотрудничают еще два проекта по прогнозам на основе машинного обучения


https://www.ecmwf.int/en/forecasts/dataset/machine -learning-model-data

CorvusCorax
Автор сайта

# Дата: 18 Ноя 2023 14:35


ШЭНЬЧЖЭНЬ, Китай, 4 августа 2023 года / PRNewswire / -- Июль 2023 года, вероятно, станет самым жарким месяцем за всю историю наблюдений и, возможно, самым теплым за 120 000 лет. Климат потеплеет, и, как следствие, вероятность экстремальных погодных явлений возрастает. Традиционное прогнозирование погоды требует огромных вычислительных мощностей для работы. Теперь для широкой публики доступна новая погодная модель на базе искусственного интеллекта, которая меняет способ прогнозирования погоды.

Pangu-Weather, модель искусственного интеллекта для прогнозирования погоды, разработанная HUAWEI CLOUD, позволяет делать более точные прогнозы погоды с улучшением скорости прогнозирования в 10 000 раз, сокращая время глобального прогнозирования погоды до нескольких секунд. Это облегчает раннее прогнозирование и подготовку к экстремальным погодным условиям. Эти результаты были опубликованы в рецензируемом научном издании Nature 5 июля 2023 года.

Pangu-Weather - это первая модель прогнозирования с помощью искусственного интеллекта с более высокой точностью, чем традиционные численные методы прогнозирования, и она впервые предоставляется бесплатно для всеобщего обозрения на веб-сайте ECMWF (Европейского центра среднесрочных прогнозов погоды). Это предоставляет мировым синоптикам, метеорологам, любителям погоды и широкой общественности платформу для просмотра глобальных прогнозов погоды Pangu Weather Model на 10 дней.

"Кардинальный поворот" в традиционном прогнозировании погоды

В дополнение к предоставлению 10-дневных прогнозов погоды, ECMWF также опубликовал отчет, в котором сравниваются прогнозы, сделанные Pangu-Weather и ECMWF IFS (ведущей глобальной системой NWP) на период с апреля по июль 2023 года.

Согласно отчету, внедрение методов машинного обучения (ML), таких как Pangu-Weather, может "кардинально изменить постепенный и довольно медленный прогресс традиционных методов численного прогнозирования погоды (NWP)", навыки прогнозирования которых увеличиваются примерно на один день в десятилетие (по данным Всемирной метеорологической организации или ВМО). Это может быть связано с высокими вычислительными затратами на выполнение прогноза в стандартных системах NWP. Модели ML способны произвести революцию в прогнозировании погоды с помощью прогнозов, требующих гораздо меньших вычислительных затрат и высококонкурентных с точки зрения точности.

Доктор Тянь Ци, главный научный сотрудник HUAWEI CLOUD AI Field, научный сотрудник IEEE и академик Международной евразийской академии наук, объяснил: "Прогнозирование погоды является одним из наиболее важных сценариев в области научных вычислений, потому что метеорологическое прогнозирование - это очень сложная система, однако ей трудно охватить все аспекты математических и физических знаний. В настоящее время Pangu-Weather в основном завершает работу системы прогнозирования, и ее основной способностью является прогнозирование эволюции состояний атмосферы. "

Доказала высокую точность прогнозирования экстремальных погодных условий

Возможности прогнозирования модели Pangu-Weather были протестированы в экстремальных ситуациях, таких как шторм Юнис, который обрушился на северо-западную Европу в феврале 2022 года, и когда в Великобритании впервые температура достигла 40 ° C летом 2022 года. Эти два примера показывают, что модели, основанные на данных, способны прогнозировать экстремальные погодные ситуации и давать рекомендации для среднесрочного прогнозирования.

Pangu-Weather Prediction охватывает геопотенциал, удельную влажность, скорость ветра и температуру. Вся эта информация имеет решающее значение для прогнозирования развития погодных систем, траекторий штормов, качества воздуха и погодных условий. Pangu-Weather также использовалась для прогнозирования траектории тайфуна "Ханун", шестого тайфуна в этом году.

ECMWF уже давно призывает глобальное сообщество по прогнозированию погоды активизировать усилия по использованию моделей искусственного интеллекта в качестве дополнительных компонентов своих систем прогнозирования и дальнейшему изучению сильных и слабых сторон таких моделей для облегчения управления погодой.

Доктор Тянь Ци сказал: "Наша конечная цель - создать систему прогнозирования погоды следующего поколения с использованием технологий искусственного интеллекта для усиления существующих систем прогнозирования".


https://www.prnewswire.com/news-releases/huaweis-p angu-weather-ai-model-can-predict-weather-events-i n-seconds-just-released-to-the-public-for-free-301 893628.html

CorvusCorax
Автор сайта

# Дата: 18 Ноя 2023 14:38


Pangu-Weather


Подробная статья про неё:

https://www.nature.com/articles/s41586-023-06185-3

CorvusCorax
Автор сайта

# Дата: 18 Ноя 2023 14:42


Исходный код модели

https://github.com/198808xc/Pangu-Weather

CorvusCorax
Автор сайта

# Дата: 18 Ноя 2023 14:46


Исходный код GraphCast

https://github.com/google-deepmind/graphcast

CorvusCorax
Автор сайта

# Дата: 18 Ноя 2023 14:47


Свод ИИ-моделей Рединга, инструкция по их установке и использованию

https://github.com/ecmwf-lab/ai-models

CorvusCorax
Автор сайта

# Дата: 18 Ноя 2023 14:52


Карты Pangu-Weather

https://charts.ecmwf.int/products/pangu_medium-t-z

CorvusCorax
Автор сайта

# Дата: 30 Ноя 2023 10:14 - Поправил: CorvusCorax


https://habr.com/ru/articles/775236/


Нейросетевая революция в метеорологии. Как машинное обучение может навсегда изменить прогноз погоды

Курганский журналист и независимый синоптик Илья Винштейн написал подробную статью о новых нейросетевых моделях прогноза погоды и их сравнении с традиционными гидродинамическими моделями.
Внимание также уделено наукастингу Яндекса и комплексному прогнозу ГМЦ РФ.

CorvusCorax
Автор сайта

# Дата: 9 Дек 2023 11:30


GraphCast ML model: Total accumulated precipitation

https://charts.ecmwf.int/products/graphcast_medium -rain-acc?projection=opencharts_eurasia


GraphCast ML model: Rain and mean sea level pressure

https://charts.ecmwf.int/products/graphcast_medium -mslp-rain?projection=opencharts_eurasia


GraphCast ML model: 2 m temperature and 10 m wind

https://charts.ecmwf.int/products/graphcast_medium -2t-wind?projection=opencharts_eurasia

CorvusCorax
Автор сайта

# Дата: 9 Дек 2023 11:32


FourCastNet ML model: 2 m temperature and 10 m wind

https://charts.ecmwf.int/products/fourcast_medium- 2t-wind?projection=opencharts_eurasia


AIFS (ECMWF) ML model: 2 m temperature and 10 m wind

https://charts.ecmwf.int/products/aifs_medium-2t-w ind?projection=opencharts_eurasia

CorvusCorax
Автор сайта

# Дата: 9 Дек 2023 11:33


Pangu-Weather ML model: 2 m temperature and 10 m wind

https://charts.ecmwf.int/products/pangu_medium-2t- wind?projection=opencharts_europe

<< 1 ... 36 . 37 . 38 . 39 . 40 . >>
Ваш ответ

          Отменить *Что это?

 » Логин  » Пароль 
 
 


Поддержка: miniBB forum software © 2001-2024