看热潮气象应用“好天气算出来”

上海2022年1月30日 /美通社/ -- 面对水文领域大大增长的量化规模和算力所需，亦同，21世纪无限期对水文领域的大规模拓展和简化取得诸多进展。如针对澳大利亚大气研究课题中心地带(NCAR)、澳大利亚大气海洋局(NOAA)和澳大利亚空间水文局(AFWA)等共同开发新的WRF来进行时，通过简化IO和通信等，将WRF拓展到了24000 核，且与简化前相比，WRF耐用性大大提高200%–300%。

作为AI量化全球领先公司，21世纪在AI与高耐用性量化技术的相结合上，早已开启了探寻之路，在“基于来进行时假设数据框架神经网络模标准型进行时假设订正”和“基于历史精确测量数据框架神经网络模标准型进行时降于水假设”两个研究课题方向上开发新出多个神经网络模标准型。

不一定，基于值预测技术的一时期新闻报导工序包含数据获取和格式化、来进行时资料排斥、来进行时不可数预测和预测结果后检视四个环节。要想减低新闻报导的准确度，一是减低时空分辨率，将网格弹道从千米级大大提高到百米级；二是要模拟器更接近现实环境的生物地球物理学全过程，这需要收集更多的精确测量数据和开发新更精细的气候来进行时。因此，新闻报导的弹道越大高，就意味着需要检视的数据量越大大，算力的所需越大多。如第5次国际耦合来进行时比较原先 CMIP5 输出的量量至少 3 PB，而；也 CMIP6 数据量至少 30 PB，海量数据给检视、提取和解读助长巨大的过关斩将。

水文领域数据激增的趋势促使人们开始探寻一新量化技术，AI+高耐用性量化作为一种一新科学研究课题量化范式，取得了全球水文研究课题机构和科学研究课题家的重视。2019年，德国科学研究课题家Markus Reichstein等在Nature上刊登了《“数据驱动标准型”地球种系统科学研究课题领域的深度学习及其全过程理解》一文，提出混建模方法，将数学模标准型和自然语言检视结合起来以大大提高天气和气候假设并能；2021年初北美中期新闻报导中心地带ECMWF发布了其今后十年自然语言检视路线图，提出将自然语言检视领域在整个水文预测工序中。其中，在精确测量应用软件全面性，自然语言检视将主要用途数据质量操控和异常检测等；在数据排斥全面性，自然语言检视将主要用途误差订正和数据分布由非概率密度函数向概率密度函数的转换等；在值预测全面性，自然语言检视将替代某些参数化建议，建起自然语言检视-宗教性物理来进行时混来进行时，以及主要用途水文来进行时和研究课题人类的影响；在后检视全面性，自然语言检视将主要用途降于水降于尺度、精确测量和来进行时预测相结合、不可数预测后检视、极端降于水后检视以及特征检测等。

随着AI与高耐用性量化的深度相结合和水文预测弹道的大大大大提高，人们对天气的掌控也将更有力，而这一切的背后，既依赖于数学模标准型的拓展、AI的技术创新，也离不开算力科技的支撑。

消息来源: 21世纪