(资料图片)
天气预报对科学和社会都很重要。目前，最准确的预报系统是数值天气预报（NWP）方法。但最近，基于人工智能的方法在加速天气预报方面显示出数量级的潜力，并有较大的进展。
2023年7月5日，深圳华为云田奇团队在《Nature》 在线发表题为“Accurate medium-range global weather forecasting with 3D neural networks”的研究论文，该研究介绍了一种基于人工智能的方法，Pangu-Weather，可以利用3D神经网络进行准确的中期全球天气预报。该研究表明配备了地球特定先验的三维深度网络在处理天气数据中的复杂模式方面是有效的，并且分层时间聚合策略减少了中期预报的累积误差。与欧洲中期天气预报中心(ECMWF)的全球综合预报系统NWP系统相比，该研究的Pangu-Weather程序在39年的全球数据训练下，在所有测试变量的再分析数据上获得了更强的确定性预报结果。该方法也适用于极端天气预报和集合预报。再分析数据初始化后，对热带气旋的跟踪精度也高于ECMWF-HRES。
同样在2023年7月5日，清华大学王建民、龙明盛及美国加州大学Michael I. Jordan共同通讯在《Nature》 在线发表题为“Skilful nowcasting of extreme precipitation with NowcastNet”的研究论文，该研究提出了一种极端降水的非线性近播模型NowcastNet，它将物理演化方案和条件学习方法统一到一个具有端到端预测误差优化的神经网络框架中。基于美国和中国的雷达观测，该模型产生了物理上可信的降水临近预报，在2048公里× 2048公里的区域内具有明显的多尺度模式，提前时间可达3小时。在62位来自全国各地的专业气象学家的系统评估中，该模型在71%的案例中排名第一。NowcastNet提供了小到强降雨率的精确预报，特别是对伴随平流或对流过程的极端降水事件，这些事件以前被认为是难以处理的。
关键词：
