FuXi: A cascade machine learning forecasting system for 15-day global weather forecast

要約

ここ数年、天気予報用の機械学習 (ML) モデルの急速な開発により、最先端の ML モデルは欧州中期天気予報センター (ECMWF) と比較して優れたパフォーマンスを示しています。
空間解像度 0.25 度の 10 日間予報の高解像度予報 (HRES)。
ただし、15 日間の予測における ECMWF アンサンブル平均 (EM) と同等のパフォーマンスを達成するという課題は依然として残っています。
これまでの研究では、効果的な長期予測を行うためには、予測誤差の蓄積を軽減することが重要であることが実証されています。
自己回帰の複数時間ステップ損失を含む累積誤差を削減するための多くの努力にもかかわらず、単一のモデルを使用するだけでは、短いリードタイムと長いリードタイムの​​両方で最適なパフォーマンスを達成するには不十分であることがわかりました。
そこで、6 時間の時間分解能と 0.25 度の空間分解能で 15 日間の全球予報を提供するカスケード ML 天気予報システムである FuXi を紹介します。
FuXi は、39 年分の ECMWF ERA5 再解析データセットを使用して開発されました。
緯度加重二乗平均平方根誤差 (RMSE) と異常相関係数 (ACC) に基づく性能評価では、FuXi が 15 日間の予報において ECMWF EM と同等の予測性能を備えていることが実証され、FuXi が初の ML ベースの天気予報システムとなる
この成果を達成するために。

要約(オリジナル)

Over the past few years, due to the rapid development of machine learning (ML) models for weather forecasting, state-of-the-art ML models have shown superior performance compared to the European Centre for Medium-Range Weather Forecasts (ECMWF)’s high-resolution forecast (HRES) in 10-day forecasts at a spatial resolution of 0.25 degree. However, the challenge remains to perform comparably to the ECMWF ensemble mean (EM) in 15-day forecasts. Previous studies have demonstrated the importance of mitigating the accumulation of forecast errors for effective long-term forecasts. Despite numerous efforts to reduce accumulation errors, including autoregressive multi-time step loss, using a single model is found to be insufficient to achieve optimal performance in both short and long lead times. Therefore, we present FuXi, a cascaded ML weather forecasting system that provides 15-day global forecasts with a temporal resolution of 6 hours and a spatial resolution of 0.25 degree. FuXi is developed using 39 years of the ECMWF ERA5 reanalysis dataset. The performance evaluation, based on latitude-weighted root mean square error (RMSE) and anomaly correlation coefficient (ACC), demonstrates that FuXi has comparable forecast performance to ECMWF EM in 15-day forecasts, making FuXi the first ML-based weather forecasting system to accomplish this achievement.

arxiv情報

著者 Lei Chen,Xiaohui Zhong,Feng Zhang,Yuan Cheng,Yinghui Xu,Yuan Qi,Hao Li
発行日 2023-06-27 14:39:31+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.LG, physics.ao-ph パーマリンク