發(fā)布時間:2024年07月23日 18:04 來源:中國新聞網(wǎng)
北京時間7月22日,國際著名學術(shù)期刊《自然》最新發(fā)表一篇環(huán)境研究論文稱,研究人員研發(fā)出一個機器學習模型能進行準確的天氣預測和氣候模擬。這一機器學習模型被命名為NeuralGCM,它能超越部分現(xiàn)有天氣和氣候預測模型,且有望比傳統(tǒng)模型節(jié)省大量算力。
該論文介紹,一般環(huán)流模型(GCMs)表示了大氣、海洋和陸地的物理過程,是天氣和氣候預測的基礎(chǔ),而減少長期預報的不確定性以及估算極端天氣事件,是理解氣候緩解和適應(yīng)的關(guān)鍵。機器學習模型一直被認為是天氣預測的一種替代手段,且具有節(jié)省算力成本的優(yōu)勢,但它們在長期預報的表現(xiàn)常常不如一般環(huán)流模型。
在本項研究中,美國谷歌研究團隊和合作者設(shè)計出機器學習模型NeuralGCM,這個模型結(jié)合了機器學習和物理方法,能進行中短期天氣預報以及幾十年的氣候模擬。該模型對1-15天預報的準確率能媲美歐洲中期天氣預報中心ECMWF(最好的傳統(tǒng)物理天氣模型之一)的預測結(jié)果;對于最多提前10天的預報,NeuralGCM的準確率與現(xiàn)有機器學習技術(shù)不相上下,有時甚至更好。
同時,NeuralGCM的氣候模擬準確率與最好的機器學習和物理方法相當:在NeuralGCM的40年氣候預測中加入海平面溫度后,論文作者發(fā)現(xiàn)模型給出的結(jié)果與從ECMWF數(shù)據(jù)中發(fā)現(xiàn)的全球變暖趨勢一致。此外,NeuralGCM在預測龍卷風及其軌跡方面也超過了已有的氣候模型。
論文作者總結(jié)認為,這些研究結(jié)果共同表明,機器學習是提升一般環(huán)流模型的一個可行手段。
(記者 孫自法 制作 費璠 視頻來源施普林格·自然)
責任編輯:【羅攀】