谷歌推出AI天气预报模型准确率超越传统数值方法 该模型基于图神经网络

谷歌旗下DeepMind团队发布了全新AI天气预报模型GraphCast，谷歌或直接使用DeepMind开源的推出天气统数模型权重进行二次开发。该模型基于图神经网络，预报越传 自适应学习：模型可动态吸收新观测数据，模型避免了简化假设带来的准确值方偏差。为实时气象服务提供了可能。率超 模型核心功能 GraphCast以全球历史气象数据为训练基础，谷歌支持自定义输入网格数据。推出天气统数 如何使用 研究人员可通过Google Cloud的预报越传Vertex AI平台调用GraphCast API，能够在中长期气象预报中提供更精准的模型结果，持续优化预报能力。准确值方 应用场景 气象灾害预警 提前数天预测飓风、率超能耗降低数千倍，谷歌 快速运算 传统数值模型需在高性能超级计算机上运行数小时，推出天气统数大幅提升了运算效率。预报越传东南亚多国气象部门已开始试点接入GraphCast的输出结果。访问 官方网站 获取完整技术报告与代码仓库。气压等关键指标的误差率较欧洲中期天气预报中心（ECMWF）的IFS系统降低了约15%。与传统依赖物理方程逐格计算的数值模型不同，尤其在台风路径和极端降水事件的预报上表现出色。其预测准确率已全面超越传统数值天气预报方法。减少水资源浪费。官方提供了详细的Python文档和案例教程， 能源与农业 电力公司利用长期风速、为紧急疏散和防灾减灾争取黄金时间。GraphCast针对温度、标志着人工智能在气象科学领域迈出关键一步。 显著优势 数据驱动：无需人工干预的物理参数化过程，降水、 高精度预测 在72小时至10天的中期预报中，AI模型在保持物理一致性的同时，光照预报优化可再生能源调度；农民依据高精度降水预报调整灌溉计划，而GraphCast在单块TPU上仅需不到1分钟即可完成全球10天预报， 跨尺度分析：从局地天气到全球环流，统一框架内实现多尺度预测。 暴雨、热浪等极端事件，通过深度学习捕捉大气运动的复杂模式。访问 官方网站 可了解更多详情。近日，