今天小編分享的科學經驗：最高精度1公裡*1公裡*1小時！達摩院發布氣象大模型，大山東已經在用了，歡迎閱讀。
今天，達摩院發布名為 " 八觀 " 的氣象大模型，預測時空精度最高可達1 公裡 × 1 公裡 × 1 小時。
什麼概念？
俗話說 " 十裡不同天 "，換算下也要 5 公裡。
預測範圍精準到每平方公裡，大概也就是一個大型小區、大學校園的占地面積。
露天演唱會被突如其來的大雨殺個措手不及？觀眾毫無準備變成落湯雞？不存在了。
更何況還是小時級動态更新，這正是 AI 氣象模型的優勢之一，計算快速。
這個模型，現在已經落地國網山東電力調度中心。
在對溫度、風速、雲量、輻射等重要氣象指标的預測上，最新 AI 氣象模型相較于傳統預報，都更貼近實測值。
為什麼是電力系統最先 " 嘗鮮 "？在北京舉行的阿裡巴巴達摩院決策智能產品發布會上，達摩院和行業技術專家進行了解讀。
率先把 MAE 用到氣象預測
AI 正在徹底改變天氣預報依賴 " 暴力計算 " 的現狀。
傳統上，氣象學家們根據物理規律，将大氣運動變化編寫成一系列數學物理方程再進行數值計算，耗費大量算力資源，且受到物理模型的瓶頸制約。
如今，DeepMind 提出的 GraphCast，能在 1 分鍾内預測未來 10 天的天氣預報，可以快速準确預測全球範圍氣候。
清華 & 中國氣象局曾發表在 Nature 上的氣象模型 NowcastNet，則主要針對極端天氣的預報，比如短時強降水、暴風雨、暴雪、冰雹等。
而八觀從被提上開發日程時，就更加關注行業領網域對氣象預測的需求，致力于填補從 " 全球大模型 " 到行業落地的 GAP。
以電力行業為例，随着極端天氣發生愈加頻繁，電網面臨來自發電、輸電、配電各個階段的挑戰。
比如高溫夏季突遭特大暴雨，氣溫大幅降低，全社會用電需求就會驟減（涼快了就不用開空調了嘛），電網如果沒有動态調整發電量，就給電網穩定運行帶來隐患。
以及光伏、風能這類新能源發電廠，其發電量直接受到天氣影響。需要提前預測其發電量，才能更好匹配實際電力需求，避免短缺或過剩。
如上方方面面，其實給氣象預測模型提出了新要求：
響應速度更快、完成高頻預報
時空精度更高、具體到發電廠當地的天氣變化
由此，八觀采用 "全球 - 區網域" 協同預測策略，即在全球氣象模型基礎上引入區網域多源多模态數據，從而将時空精度最高逼近到 1 公裡 × 1 公裡 × 1 小時。
在模型架構上，八觀創新性使用了孿生 MAE 掩蔽自編碼器的結構。
掩蔽自編碼器是一種自監督學習模型，廣泛應用于影像、文本等數據的特征學習和表示。在掩蔽自編碼器中，部分輸入數據被随機掩蔽（即隐藏或屏蔽），模型的任務是重建這些被掩蔽的部分。
這種方法迫使模型學習數據的内部結構和特征，從而提高其泛化能力和表示能力。
對應到氣象領網域，可以理解為将氣象圖劃抽成一個個小塊，将其中一定比例的小塊掩蔽，然後讓模型通過學習 6 小時前的氣象數據和 6 個小時後沒有被掩蓋的區網域來重建 6 小時後的掩蓋區網域。
這樣模型就能學習隐藏在高波動的天氣數據下的魯棒性特征表示，實現更精準預測。
在數據上，八觀模型使用了多模态、多元數據集訓練。基于來自氣象觀測站的場站數據（如氣溫、降水量、風速風向等）、氣象實況數據、開源衛星雲圖、開源地形等，利用數據驅動和物理驅動雙重方法，八觀對次網格尺度局地的微氣象過程進行精細建模。
這意味着模型可以模拟小尺度氣象現象，包括湍流、局地風、微風系統、表面能量交換等。進一步增強預報結果細粒度和準确度。
在具體技術指标表現上，達摩院分别展示了全球氣象大模型部分和區網域氣象大模型部分的表現。
結果和國際主流的歐洲中期天氣預報中心綜合預報系統（EC-IFS）的預測結果進行對比。
先來看全球部分。
對比 EC-IFS 預測結果，八觀模型在各維度上的預測均十分接近，達到國際前沿水平。
再看行業更關注的區網域氣象大模型部分，從今年在山東電網系統中實際運行的數據來看，八觀模型與主流 EC-IFS 預報結果對比，在多個重點指标上都有大幅提升。
在空間分辨率及細節上，八觀氣象大模型也更精細、更接近實況天氣。
除了預測效果更為精準，面向實際落地，八觀模型支持輕量化部署，能更好滿足行業用戶的落地需求。
八觀的 " 細心 "，正在于給行業提供一份專屬天氣預報。
山東電網已經搶先體驗
以八觀在山東電力系統的落地為例。
今年夏天是山東省有數據統計以來降水同期第二、溫度同期第一的一個夏季，迎峰度夏期間天氣波動較大（在用電總量最大的時候天氣多變）。
8 月 25 日 -8 月 28 日，山東地區出現強降雨天氣，導致氣溫大幅變化，負荷總量在 3 天内下降 20%。
八觀區網域氣象模型把握到了這一變化，對負荷進行精準預測，3 天内綜合準确率達到 98.1%，超過傳統天氣預報。
△針對溫度預測，八觀氣象大模型（右）與數值天氣預報（左）的對比
同樣，在發電領網域，随着新能源的裝機與并網不斷攀升，電力系統希望通過高頻更新的區網域氣象預報更準确反映出一天内新能源發電的出力情況。結果顯示，基于八觀氣象大模型，下遊新能源發電功率預測準确率同樣表現優秀，達到 96.5%。
新上崗的 "AI 天氣預報員 "，幫助電力系統平穩度過了山東這個不同尋常的夏天。
來自達摩院決策智能實驗室
最後，來看一下八觀氣象大模型的幕後團隊——阿裡達摩院決策智能實驗室。
該實驗室主要致力于決策智能系統需要的機器學習、數學建模、優化求解、 時序預測、因果分析、決策方案可解釋性、決策推理大模型等技術的研究和創新，為實際業務提升運營效率和收益，減少運營成本。
實驗室累計發表頂會頂刊文章120 餘篇，參與阿裡集團内外部多個重點 AI 項目，研發了包括敏迭優化求解器（MindOpt）、eForecaster 在内的代表作。尤其在電力能源行業，達摩院決策智能實驗室的技術落地非常深入。
其中，求解器被譽為 "工業軟體之芯"，很長一段時間都被國外壟斷。MindOpt正是突出的國產代表，已經在權威賽事中取得了電力用國產求解器第一名。本次最新發布中，MindOpt 更新 V2.0 版本，增加了對非線性規劃（NLP）和混合整數二次錐規劃（MIQCP）兩類模型的支持，覆蓋石油、化工、生物制藥等更多場景的需求，并且深度集成了自研全流程優化套件，在國内獨家通過雲平台提供在線開發求解能力，助力各行業便捷、快速獲取。
而憑借 AI 預測新能源發電功率、從而促進綠色能源發展的成績，eForecaster 也入選了聯合國 AI for Good 案例集。在某光伏和風電重點發展地區，由于地處江畔，氣候變化復雜，分布式光伏裝機量大增長快，風電和光伏預測難度較高。在八觀氣象大模型助力下，eForecaster 的分布式光伏功率預測月平均準确率提升 1.4%，風電功率預測月平均準确率提升 5.5% 。
目前，八觀氣象大模型、eForecaster、MindOpt 已經構成了從前期預測到後期決策的完整智能鏈條。
未來，達摩院還将針對民航、體育賽事、農業生產等領網域的特性需求，不斷提升八觀氣象大模型的表現，堅持做 " 最懂行業 " 的氣象大模型。
— 完 —
點這裡關注我，記得标星哦～
一鍵三連「分享」、「點贊」和「在看」
科技前沿進展日日相見 ~
>
