End-to-end data-driven weather forecasting

要約

天気予報は、交通、農業、工業、一般大衆の安全など、人間のさまざまな活動にとって重要です。
機械学習モデルは、複雑な天気予測パイプラインを変革する可能性を秘めていますが、現在のアプローチは依然として数値天気予報 (NWP) システムに依存しており、予測の速度と精度が制限されています。
ここでは、機械学習モデルが運用中の NWP パイプライン全体を置き換えることができることを示します。
Aardvark Weather は、エンドツーエンドのデータ駆動型気象予測システムであり、生の観測値を取り込んで、地球規模のグリッド予報とローカル観測所の予報を出力します。
さらに、エンドツーエンドで最適化して、対象量に対するパフォーマンスを最大化できます。
グローバル予測は、複数の変数とリードタイムに関して運用上の NWP ベースラインを上回ります。
ローカル局の予報は、最長 10 日間のリード タイムで優れており、後処理されたグローバル NWP ベースラインや人間の予報官からの入力による最先端のエンドツーエンド予測システムと同等の誤差を実現し、多くの場合誤差が低くなります。
これらの予測は、入力データのわずか 8% を使用し、既存の NWP およびハイブリッド AI-NWP 手法よりも 3 桁少ない計算量を使用する、非常にシンプルなニューラル プロセス モデルで生成されます。
Aardvark Weather が、計算コストを桁違いに削減し、世界のユーザー向けにオーダーメイドのモデルを迅速かつ安価に作成できるようにする、中期予測用の新世代のエンドツーエンド機械学習モデルの出発点になると当社は予想しています。
最先端の現地モデルが現在入手できない発展途上国向けを含む、さまざまな分野に対応します。

要約(オリジナル)

Weather forecasting is critical for a range of human activities including transportation, agriculture, industry, as well as the safety of the general public. Machine learning models have the potential to transform the complex weather prediction pipeline, but current approaches still rely on numerical weather prediction (NWP) systems, limiting forecast speed and accuracy. Here we demonstrate that a machine learning model can replace the entire operational NWP pipeline. Aardvark Weather, an end-to-end data-driven weather prediction system, ingests raw observations and outputs global gridded forecasts and local station forecasts. Further, it can be optimised end-to-end to maximise performance over quantities of interest. Global forecasts outperform an operational NWP baseline for multiple variables and lead times. Local station forecasts are skillful up to ten days lead time and achieve comparable and often lower errors than a post-processed global NWP baseline and a state-of-the-art end-to-end forecasting system with input from human forecasters. These forecasts are produced with a remarkably simple neural process model using just 8\% of the input data and three orders of magnitude less compute than existing NWP and hybrid AI-NWP methods. We anticipate that Aardvark Weather will be the starting point for a new generation of end-to-end machine learning models for medium-range forecasting that will reduce computational costs by orders of magnitude and enable the rapid and cheap creation of bespoke models for users in a variety of fields, including for the developing world where state-of-the-art local models are not currently available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google