칭화대학교와 중국 기상청 대형 모델이 Nature에 등장: 세계적 수준의 문제를 해결하여 '유령 기상' 예보 적시성이 처음으로 3시간에 도달

진정한 "비오는 날 대비", 청화대학교의 "귀신 날씨" 예측 모델이 등장했습니다!

세계의 해결되지 않은 문제를 해결할 수 있는 종류입니다. -

킬로미터 단위로 0~3시간 동안 극심한 강수량을 예측할 수 있습니다.

단기 폭우, 폭풍, 눈보라, 우박 등 극심한 강수량 날씨는 조기 경보를 제공할 수 있습니다.

Pictures

이 연구를 완료하는 것은 쉽지 않았습니다.

청화대학교 소프트웨어학부는 국립기상센터 및 국립기상정보센터와 협력하여 3년간의 공동 연구 끝에 NowcastNet이라는 대규모 기상 관측 모델을 개발했으며 거의 ​​6년간의 레이더 관측을 사용했습니다. 모델 훈련을 완료하기 위한 데이터입니다.

전국 일기예보 전문가 62명이 진행한 과정 테스트에서 이 방법은 전 세계 유사한 방법보다 훨씬 앞서 있으며, 연구 결과가 이제 네이처에 게재되었습니다.

Pictures

현재 국립기상청 단기예보사업플랫폼(SWAN 3.0)에 NowcastNet이 구축, 출시되었으며, 이는 전국 기상이변 단기예보사업을 지원할 예정입니다.

그렇다면 현재 극심한 강수량 예측이 왜 그렇게 어려운 걸까요? 칭화팀은 이 문제를 어떻게 해결했나요?

과학 문제로 분류된 이유는 무엇인가요?

최근에는 지구 기후변화의 영향으로 극심한 강수량 기상이 자주 발생하고 있습니다. 보다 정확하고 정확하며 긴 경보 리드타임을 달성할 수 있는 강수량 예측이 사람들의 관심의 초점이 되었습니다.

대부분의 극심한 강우 기상 과정은 수십 분 동안만 지속되고 공간 규모가 수 킬로미터에 달하기 때문에 대류, 사이클론, 지형 및 대기 시스템의 혼란스러운 영향과 같은 복잡한 과정에 의해 심각한 영향을 받습니다.

그러나 물리방정식 시뮬레이션을 기반으로 한 수치예측 기술로는 킬로미터 규모의 극한 강수량을 효과적으로 예측하기 어렵습니다.

그래서 올해 5월 27일 세계기상기구 정상회의에서는 현재 강수량 3시간 이내의 강수량이 중요한 미해결 과학적 문제 중 하나로 꼽혔습니다.

Δ레이더 관측을 바탕으로 현재 강수량을 예측하는 것은 전 세계의 문제 중 하나입니다

이전에도 극심한 강수량 날씨를 예측하는 방법이 있었습니다.

수치 계산과 딥 러닝은 강수량 예측의 두 가지 주류 방법이지만 둘 다 명백한 결함이 있습니다.

수치 계산 방법은 강수 과정의 시공간 다중 규모 특성을 효과적으로 모델링하기 어렵고 누적에 의해 제한됩니다. 예측 오류. 시간 제한은 일반적으로 1시간 이내입니다.

딥 러닝 방법은 비선형 시스템을 모델링하는 데 능숙하지만 통계 모델에는 고유한 소표본 과평활 문제가 있습니다. 예측 솔루션 프로세스에는 물리적 보존 법칙의 제약이 부족하고 생성된 수치 필드는 심각한 흐림 및 왜곡을 초래합니다. 극심한 강수량에 대한 운영 가치를 제공하기가 어렵습니다.

Nowcasting 대형 모델 NowcastNet

위의 과제에 대응하여 2017년부터 칭화대학교 소프트웨어학부 Wang Jianmin 교수와 Long Mingsheng 부교수 팀이 국립기상센터 및 국립기상청과 함께 연구팀을 구성했습니다. 기상정보센터는 기상빅데이터 협력에 인공지능 기술을 응용으로 개발한다.

3년간의 공동 연구 끝에 대형 Nowcasting 모델인 NowcastNet이 제안되었고, 지난 6년간 미국과 중국의 레이더 관측 데이터를 기반으로 훈련되었습니다.

이 모델의 핵심은 강수량의 물리적 과정을 엔드 투 엔드로 모델링하여 딥 러닝과 물리 법칙의 원활한 통합을 달성하는 신경 진화 연산자입니다.

ΔNowcastNet, 물리적 모델링과 딥러닝을 통합한 대형 NowcastNet

구체적으로, 연구팀은 이류 과정과 같은 보다 중요한 물리적 특성을 갖춘 중규모 강수량을 모델링하기 위해 먼저 중규모 진화 네트워크를 설계하고 설계했습니다. 강수 과정에서 10km 규모의 움직임을 엔드투엔드(end-to-end) 시뮬레이션하고 역전파를 통해 누적 예측 오류를 최소화하기 위해 물질 연속성 방정식(즉, 질량 보존 법칙)을 기반으로 하는 신경진화 연산자입니다.

두 번째로, 연구팀은 중규모 진화 네트워크의 예측 결과를 기반으로 대류 생성 및 소산과 같은 혼란스러운 영향이 있는 킬로미터 규모의 강수 과정을 추가로 포착하기 위해 대류 규모 생성 네트워크를 제안했습니다. 더 중요합니다.

위에서 언급한 융합 설계 덕분에 이 모델은 딥러닝과 물리적 모델링의 장점을 결합하고 세계 최초로 강수량 현재 캐스팅의 적시성이 3시간으로 확장됩니다(위에서 언급한 대로 이전 수치 계산 방법은 대개 1시간 이내)이며 극한 강수예보의 단점을 보완합니다.

현재 진행 중인 대형 모델 NowcastNet의 일반적인 기상 과정에 대한 운영 지침 값을 완전히 테스트하기 위해 국립 기상 센터는 23개 지방 및 시 기상 관측소의 일선 예측 전문가 62명을 초청하여 중국과 세계의 2,400개 극한 강수 과정에 대한 사후 테스트를 수행했습니다. 미국. 검사 및 사전 검사와 현재 사업에 사용되는 방법과의 비교.

현재 전 세계 기상 센터에서 널리 사용되는 예측 시스템에는 대류 기반 pySTEPS 방법이 포함됩니다. PredRNN은 중국 기상청에 배포된 데이터 기반 신경망입니다. DGMR 모델은 Google DeepMind가 British Met Office와 협력하여 제안했습니다.

모든 모델은 미국과 중국의 강수량 이벤트에 대한 대규모 레이더 데이터 세트에서 훈련되고 테스트되었습니다.

Pictures

△ 기상 전문가 점검 결과 및 수치 지수 평가 결과는 예측의 위치 정확도를 측정하는 데 사용되며 PSD는 예측의 스펙트럼 특성과 강수량 변동성을 비교하는 데 사용됩니다. 레이더 관측.

위 그림에서 볼 수 있듯이 NowcastNet은 CSI(Critical Success Index), PSD(Power Spectral Density) 등 수치 지표에서 기존 기술을 종합적으로 능가하며, 기상 과정 중 71%에서 가장 높은 예측값을 갖는 것으로 간주됩니다.

폭우가 내리는 과정에서 NowcastNet은 강력한 비즈니스 가치를 보여주는 유일한 현재 방송 기술입니다.

중국과 미국의 전형적인 기상 현상을 예로 들어보겠습니다.

2021년 5월 14일 23:40에 중국 장화이 지역과 후베이, 안후이 등 여러 지역에 폭우 현상이 발생했습니다. 나우캐스트넷(NowcastNet) 3개 집중호우 슈퍼셀의 변화 과정을 정확하게 예측할 수 있다.

Pictures

Δa. 예측된 지리 정보, b. T+1시간, T+2시간, T+3시간에 대한 다양한 모델의 예측 결과, CSI는 예측 지표를 평가하는 데 사용되는 방법입니다. 정확성

2021년 12월 11일 9시 30분, 미국 중부에서 토네이도 재해가 발생하여 89명이 사망하고 676명이 부상을 입었습니다. NowcastNet은 폭우의 강도, 착륙 지역 및 이동 패턴을 더욱 명확하고 정확하게 제공할 수 있습니다. 예측 결과.

Pictures

테스트에 따르면 NowcastNet은 극심한 재난 날씨를 정확하게 예방하고 제어하는 ​​데 있어 좋은 지침 역할을 하는 것으로 나타났습니다.

현재 연구 결과는 Nature지에 "Skilful Nowcasting of Extreme Precipitation with NowcastNet"이라는 제목으로 게재되었으며, "Nature News and Viewpoints" The Outlook for AI Weather Prediction"이라는 제목으로도 보도되었습니다.

연구원들은 다음과 같이 믿습니다.

이 연구는 데이터 기반 및 물리학 기반 "과학적 학습"의 새로운 패러다임을 탐구하고, 물리적 보존 제약 하에서 시공간 물질 장을 모델링 및 예측하는 일반적인 방법을 제안하며, 다른 분야에 대한 통찰력을 제공합니다. 다양한 규모의 물리적 특성을 지닌 재료 문제에는 응용 가능성도 있습니다.

그들은 또한 다음과 같이 말했습니다.

향후에는 물리적 문제 해결, 대기 및 해양 시뮬레이션, 산업 디자인 시뮬레이션과 같은 시나리오에서 이 솔루션의 적용을 더욱 촉진할 것입니다.

팀 정보

청화대학교 소프트웨어 대학의 Wang Jianmin 교수와 Long Mingsheng 부교수, 그리고 머신러닝 학장이자 캘리포니아대학교 버클리캠퍼스 교수이자 칭화대학교 명예교수인 Michael I. Jordan ,은 논문의 교신저자입니다.

Tsinghua University 소프트웨어 학부의 Zhang Yuchen 박사와 Long Mingsheng 부교수가 논문의 첫 번째 저자인 Chen Kaiyuan과 Xing Lanxiang이 연구 작업에 참여했습니다.

국가기상센터 연구원 Jin Ronghua는 기상 지식과 데이터 지원을 제공했으며 Luo Bing, Zhang Xiaoling, Xue Feng, Sheng Jie, Han Feng, Zhang Xiaowen 등 전문가들의 전국적인 시찰을 주재했습니다. 연구 작업에 대한 지침, 제안 및 지침.

이 연구는 중국 국립 자연 과학 재단의 혁신 연구 그룹 프로젝트, 우수 청년 과학 기금 프로젝트, 국립 빅 데이터 시스템 소프트웨어 공학 연구 센터의 지원을 받았습니다.

논문 링크: https://www.nature.com/articles/s41586-023-06184-4

위 내용은 칭화대학교와 중국 기상청 대형 모델이 Nature에 등장: 세계적 수준의 문제를 해결하여 '유령 기상' 예보 적시성이 처음으로 3시간에 도달의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!