利用神经网络将天气预报分解为平流和对流
大气与海洋物理
2024-05-13 v1 机器学习
摘要
数十年来，业务天气预报模型在显式数值求解器和经验物理参数化方案两方面都取得了进展。然而，这些现有方案涉及的高计算成本和不确定性需要通过替代的机器学习方法进行潜在改进。以往的工作使用统一模型来学习大气模型的动力学和物理过程。相反，我们提出一个简单而有效的机器学习模型，该模型分别学习动力核心中的水平运动和物理参数化中的垂直运动。通过用图注意力网络替代平流，用多层感知器替代对流，我们的模型为模拟大气模型中变量的转换提供了一个新的、高效的视角。我们还评估了该模型在5天迭代预报中的性能。在相同的输入变量和训练方法下，我们的模型以显著减少的参数数量和5.625度的分辨率，优于现有的数据驱动方法。总的来说，这项工作旨在为利用机器学习技术提高全球天气预报的准确性和效率的持续努力做出贡献。
引用
@article{arxiv.2405.06590,
title = {Decomposing weather forecasting into advection and convection with neural networks},
author = {Mengxuan Chen and Ziqi Yuan and Jinxiao Zhang and Runmin Dong and Haohuan Fu},
journal= {arXiv preprint arXiv:2405.06590},
year = {2024}
}