Towards an end-to-end artificial intelligence driven global weather forecasting system

要約

気象予報システムは科学や社会にとって重要であり、人工知能（AI）を中距離気象予報に応用することで大きな成果が得られている。しかし、既存のAIベースの気象予測モデルは、予測を行うための初期条件として、従来の数値気象予測（NWP）システムからの解析または再解析プロダクトに依存している。初期状態は通常、従来のデータ同化コンポーネントによって生成されるが、これは計算コストが高く、時間もかかる。ここでは、全球気象変数のためのAIベースのデータ同化モデル、すなわちAdasを紹介する。そして、Adasを先進的なAIベースの気象予測モデル（FengWu）と組み合わせることで、初のエンド・ツー・エンドのAIベースの全球気象予測システムを構築する：FengWu-Adasである。我々は、Adasが疎な全球観測データを同化し、高品質な解析を行うことができることを実証し、システムの長期安定運用を可能にした。さらに、提案した手法を実世界のシナリオに適用したのは我々が初めてであり、これはより困難であり、実用化の可能性が大きい。

要約(オリジナル)

The weather forecasting system is important for science and society, and significant achievements have been made in applying artificial intelligence (AI) to medium-range weather forecasting. However, existing AI-based weather forecasting models rely on analysis or reanalysis products from the traditional numerical weather prediction (NWP) systems as initial conditions for making predictions. Initial states are typically generated by traditional data assimilation component, which is computational expensive and time-consuming. Here we present an AI-based data assimilation model, i.e., Adas, for global weather variables. And we combine Adas with the advanced AI-based weather forecasting model (i.e., FengWu) to construct the first end-to-end AI-based global weather forecasting system: FengWu-Adas. We demonstrate that Adas can assimilate sparse global observations to produce high-quality analysis, enabling the system operate stably for long term. Moreover, we are the first to apply the propose methods to real-world scenarios, which is more challenging and has considerable practical application potential.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL