新火種
2023-11-17 
首頁(yè) >
AI資訊 >
行業(yè)動(dòng)態(tài) >
超強(qiáng)性能，提前24h準(zhǔn)確預(yù)測(cè)，谷歌團(tuán)隊(duì)發(fā)布新的天氣預(yù)測(cè)模型MetNet-3
超強(qiáng)性能，提前24h準(zhǔn)確預(yù)測(cè)，谷歌團(tuán)隊(duì)發(fā)布新的天氣預(yù)測(cè)模型MetNet-3
編輯| ScienceAI
預(yù)測(cè)降水、溫度和風(fēng)等天氣變量對(duì)于社會(huì)生產(chǎn)生活至關(guān)重要。隨著更多的極端天氣出現(xiàn)，比如洪水、干旱和熱浪等，準(zhǔn)確的預(yù)報(bào)對(duì)于準(zhǔn)備和減輕其影響尤為重要。未來(lái)的前 24 小時(shí)很關(guān)鍵，因?yàn)樗鼈兙哂懈叨瓤深A(yù)測(cè)性和可操作性，可以幫助人們及時(shí)做出明智的決策并保證安全。
深度神經(jīng)網(wǎng)絡(luò)為天氣條件建模提供了另一種范例。一旦數(shù)據(jù)可用，神經(jīng)模型就能在不到一秒的時(shí)間內(nèi)做出預(yù)測(cè)，并且具有非常高的時(shí)間和空間分辨率，以及直接從大氣觀測(cè)中學(xué)習(xí)的能力。
使用大氣觀測(cè)、最高保真度和最低延遲數(shù)據(jù)訓(xùn)練的神經(jīng)模型，與最先進(jìn)的概率數(shù)值天氣預(yù)報(bào)模型相比，迄今為止僅在 12小 時(shí)的提前期內(nèi)取得了良好的性能，并且僅適用于降水這一唯一變量。
近日， Google Research 和 Google DeepMind 開(kāi)發(fā)了一個(gè)名為 MetNet-3 的新天氣模型。它大大擴(kuò)展了基于觀察的神經(jīng)模型可以預(yù)測(cè)的前置時(shí)間范圍和變量。
MetNet-3 以早期的 MetNet 和 MetNet-2 模型為基礎(chǔ)，可提前 24 小時(shí)對(duì)更多核心變量進(jìn)行高分辨率預(yù)測(cè)，包括降水、表面溫度、風(fēng)速和風(fēng)向以及露點(diǎn)。
MetNet-3 提供了一個(gè)時(shí)間平滑且高度精細(xì)的預(yù)報(bào)，提前時(shí)間間隔為 2 分鐘，空間分辨率為 1 至 4 公里。與傳統(tǒng)方法相比，MetNet-3 實(shí)現(xiàn)了強(qiáng)大的性能，優(yōu)于最好的基于物理的單成員和多成員數(shù)值天氣預(yù)報(bào) (NWP) 模型（例如 HRRR 和 ENS），可提前 24 小時(shí)預(yù)報(bào)多個(gè)地區(qū)。該研究為基于觀測(cè)的神經(jīng)模型樹(shù)立了新的性能里程碑。
研究人員在與天氣相關(guān)的各種 Google 產(chǎn)品和技術(shù)中集成了 MetNet-3 的功能。MetNet-3 目前在美國(guó)本土和歐洲部分地區(qū)推出，重點(diǎn)是 12 小時(shí)降水預(yù)報(bào)，正在幫助為多個(gè)國(guó)家和語(yǔ)言的人們提供準(zhǔn)確可靠的天氣信息。
該研究以《Deep Learning for Day Forecasts from Sparse Observation》為題，發(fā)布在arXiv 預(yù)印平臺(tái)上。
稀疏觀測(cè)的致密化
最近的許多機(jī)器學(xué)習(xí)天氣模型使用傳統(tǒng)方法（例如，NWP 的數(shù)據(jù)同化）生成的大氣狀態(tài)作為建立預(yù)報(bào)的主要起點(diǎn)。相比之下，MetNet 模型的一個(gè)決定性特征是使用對(duì)大氣的直接觀測(cè)來(lái)進(jìn)行訓(xùn)練和評(píng)估。直接觀察的優(yōu)點(diǎn)是它們通常具有更高的保真度和分辨率。然而，直接觀測(cè)來(lái)自不同高度的各種傳感器，包括地面氣象站和軌道衛(wèi)星，并且可能具有不同程度的稀疏性。例如，來(lái)自 NOAA 多雷達(dá)/多傳感器系統(tǒng) (MRMS) 等雷達(dá)的降水估計(jì)是相對(duì)密集的圖像，而位于地面的氣象站提供諸如溫度和風(fēng)等變量的測(cè)量值，只是分布在一個(gè)地區(qū)的點(diǎn)。
除了之前 MetNet 模型中使用的數(shù)據(jù)源之外，MetNet-3 還包括氣象站的點(diǎn)測(cè)量作為輸入和目標(biāo)，目的是在所有位置進(jìn)行預(yù)測(cè)。為此，MetNet-3 的關(guān)鍵創(chuàng)新是一種稱為致密化（densification）的技術(shù)，它將基于物理的模型中傳統(tǒng)的數(shù)據(jù)同化和模擬的兩步過(guò)程合并到神經(jīng)網(wǎng)絡(luò)的單次傳遞中。致密化的主要組成部分如下所示。盡管致密化技術(shù)單獨(dú)適用于特定的數(shù)據(jù)流，但由此產(chǎn)生的致密化預(yù)測(cè)受益于進(jìn)入 MetNet-3 的所有其他輸入流，包括地形、衛(wèi)星、雷達(dá)和 NWP 分析功能。MetNet-3 的默認(rèn)輸入中不包含 NWP 預(yù)測(cè)。
圖：致密化技術(shù)。（來(lái)源：報(bào)道）
空間和時(shí)間高分辨率
使用直接觀測(cè)的一個(gè)核心優(yōu)勢(shì)是其高空間和時(shí)間分辨率。例如，氣象站和地面雷達(dá)站分別每隔幾分鐘在特定點(diǎn)以 1 公里的分辨率提供測(cè)量結(jié)果；這與 SOTA 模型 ENS 的同化狀態(tài)形成鮮明對(duì)比，該模型每 6 小時(shí)生成一次，分辨率為 9 公里，并進(jìn)行每小時(shí)預(yù)測(cè)。
為了處理如此高分辨率，MetNet-3 保留了該系列模型的另一個(gè)定義特征，即提前期調(diào)節(jié)。以分鐘為單位的預(yù)測(cè)提前時(shí)間直接作為神經(jīng)網(wǎng)絡(luò)的輸入給出。這使得 MetNet-3 能夠有效地對(duì)短至 2 分鐘的時(shí)間間隔內(nèi)的觀測(cè)的高時(shí)間頻率進(jìn)行建模。致密化與提前時(shí)間調(diào)節(jié)和高分辨率直接觀測(cè)相結(jié)合，可生成時(shí)間分辨率為 2 分鐘的全密集 24 小時(shí)預(yù)報(bào)，同時(shí)從遍布美國(guó)的一分鐘觀測(cè) (OMO) 氣象站網(wǎng)絡(luò)中的 1,000 個(gè)點(diǎn)進(jìn)行學(xué)習(xí)。
MetNet-3 預(yù)測(cè)每個(gè)輸出變量和每個(gè)位置的邊際多項(xiàng)式概率分布，提供超出平均值的豐富信息。這使研究人員能夠?qū)?MetNet-3 的概率輸出與高級(jí)概率集成 NWP 模型的輸出進(jìn)行比較，包括歐洲中期天氣預(yù)報(bào)中心的集合預(yù)報(bào)ENS和美國(guó)國(guó)家海洋和大氣管理局的高分辨率集合預(yù)報(bào)（HREF）。由于兩個(gè)模型輸出的概率性質(zhì)，研究人員能夠計(jì)算分?jǐn)?shù)，例如連續(xù)排名概率分?jǐn)?shù)（CRPS）。下圖突出顯示了致密化結(jié)果，并說(shuō)明 MetNet 的預(yù)測(cè)不僅具有更高的分辨率，而且在重疊交付周期進(jìn)行評(píng)估時(shí)也更加準(zhǔn)確。
與氣象站變量相比，降水估計(jì)更密集，因?yàn)樗鼈儊?lái)自地面雷達(dá)。MetNet-3 的降水建模與 MetNet-1 和 2 類似，但將 1 公里空間粒度的高分辨率降水預(yù)報(bào)擴(kuò)展到與其他變量相同的 24 小時(shí)提前時(shí)間，如下面的動(dòng)畫(huà)所示。MetNet-3 在降水方面的性能在整個(gè) 24 小時(shí)范圍內(nèi)實(shí)現(xiàn)了比 ENS 更好的 CRPS 值。
提供實(shí)時(shí) ML 預(yù)測(cè)
根據(jù)歷史數(shù)據(jù)訓(xùn)練和評(píng)估像 MetNet-3 這樣的天氣預(yù)報(bào)模型只是向用戶提供基于 ML 的預(yù)測(cè)過(guò)程的一部分。開(kāi)發(fā)實(shí)時(shí)天氣預(yù)報(bào) ML 系統(tǒng)時(shí)需要考慮很多因素，例如從多個(gè)不同來(lái)源獲取實(shí)時(shí)輸入數(shù)據(jù)、運(yùn)行推理、實(shí)現(xiàn)輸出的實(shí)時(shí)驗(yàn)證、從模型的豐富輸出中構(gòu)建洞察，從而帶來(lái)直觀的用戶體驗(yàn)，并以 Google 規(guī)模提供結(jié)果——所有這些都是連續(xù)循環(huán)的，每隔幾分鐘刷新一次。
該團(tuán)隊(duì)開(kāi)發(fā)了這樣一個(gè)實(shí)時(shí)系統(tǒng)，能夠每隔幾分鐘為整個(gè)美國(guó)本土和歐洲 27 個(gè)國(guó)家提供降水預(yù)報(bào)，交付時(shí)間長(zhǎng)達(dá) 12 小時(shí)。
圖：使用 MetNet-3 生成降水預(yù)報(bào)的過(guò)程。（來(lái)源：報(bào)道）該系統(tǒng)的獨(dú)特性源于其使用近乎連續(xù)的推理，這使得模型能夠根據(jù)傳入的數(shù)據(jù)流不斷創(chuàng)建完整的預(yù)測(cè)。這種推理模式不同于傳統(tǒng)的推理系統(tǒng)，由于輸入數(shù)據(jù)的獨(dú)特特征，這種推理模式是必要的。該模型采用各種數(shù)據(jù)源作為輸入，例如雷達(dá)、衛(wèi)星和數(shù)值天氣預(yù)報(bào)同化。這些輸入中的每一個(gè)都具有不同的刷新頻率以及空間和時(shí)間分辨率。一些數(shù)據(jù)源（例如天氣觀測(cè)和雷達(dá)）具有類似于連續(xù)數(shù)據(jù)流的特征，而其他數(shù)據(jù)源（例如數(shù)值天氣預(yù)報(bào)同化）則類似于批量數(shù)據(jù)。該系統(tǒng)能夠在空間和時(shí)間上對(duì)齊所有這些數(shù)據(jù)源，從而使模型能夠以非常高的節(jié)奏創(chuàng)建對(duì)未來(lái) 12 小時(shí)降水的最新預(yù)測(cè)。
通過(guò)上述過(guò)程，模型能夠預(yù)測(cè)任意離散概率分布。研究人員開(kāi)發(fā)了新穎的技術(shù)，將這種密集的輸出空間轉(zhuǎn)換為用戶友好的信息，從而在整個(gè) Google 產(chǎn)品和技術(shù)中提供豐富的體驗(yàn)。
Google 產(chǎn)品中的天氣功能
世界各地的人們每天都依靠 Google 來(lái)提供有用、及時(shí)且準(zhǔn)確的天氣信息。這些信息有多種用途，例如規(guī)劃戶外活動(dòng)、旅行打包以及在惡劣天氣事件中保持安全。
MetNet-3 的最先進(jìn)的準(zhǔn)確性、高時(shí)間和空間分辨率以及概率性質(zhì)使得創(chuàng)建獨(dú)特的超本地天氣見(jiàn)解成為可能。對(duì)于鄰近的美國(guó)和歐洲，MetNet-3 已投入運(yùn)行，可生成實(shí)時(shí) 12 小時(shí)降水預(yù)報(bào)，這些預(yù)報(bào)現(xiàn)已在與天氣相關(guān)的 Google 產(chǎn)品和技術(shù)（例如搜索）中提供服務(wù)。模型的豐富輸出被合成為可操作的信息，并立即提供給數(shù)百萬(wàn)用戶。
例如，通過(guò)移動(dòng)設(shè)備搜索精確位置的天氣信息的用戶將收到高度本地化的降水預(yù)報(bào)數(shù)據(jù)，包括根據(jù)產(chǎn)品細(xì)分的時(shí)間線圖。
結(jié)論
MetNet-3 是一種新的天氣預(yù)報(bào)深度學(xué)習(xí)模型，在對(duì)一組核心天氣變量進(jìn)行 24 小時(shí)預(yù)報(bào)方面，其性能優(yōu)于最先進(jìn)的基于物理的模型。它有潛力為天氣預(yù)報(bào)創(chuàng)造新的可能性，并提高許多活動(dòng)的安全性和效率，例如交通、農(nóng)業(yè)和能源生產(chǎn)。MetNet-3 已投入運(yùn)行，其預(yù)報(bào)可在多個(gè)與天氣相關(guān)的 Google 產(chǎn)品中提供。
Tags:
相關(guān)推薦
- 免責(zé)聲明
- 本文所包含的觀點(diǎn)僅代表作者個(gè)人看法，不代表新火種的觀點(diǎn)。在新火種上獲取的所有信息均不應(yīng)被視為投資建議。新火種對(duì)本文可能提及或鏈接的任何項(xiàng)目不表示認(rèn)可。 交易和投資涉及高風(fēng)險(xiǎn)，讀者在采取與本文內(nèi)容相關(guān)的任何行動(dòng)之前，請(qǐng)務(wù)必進(jìn)行充分的盡職調(diào)查。最終的決策應(yīng)該基于您自己的獨(dú)立判斷。新火種不對(duì)因依賴本文觀點(diǎn)而產(chǎn)生的任何金錢(qián)損失負(fù)任何責(zé)任。
