(资料图片仅供参考)

北京日报客户端 | 实习记者 何蕊

近年来，受气候变化影响，我国极端降水天气频发，为社会生产及人民生命财产安全敲响警钟。清华大学软件学院日前研发出了一款极端降水临近预报大模型，在国际上首次将降水临近预报的时效延长至3小时。目前该大模型已在国家气象中心短临预报业务平台上线应用，帮助预报员提前发现极端天气。

面对极端降水天气，更准确和更提前预警的降水临近预报能够更好地为气象决策提供支持，为农业生产、新能源开发、航空航天等保驾护航。然而，极端降水天气过程大多持续时间较短且空间尺度范围较小，易受到对流、气旋、地形等不稳定因素影响。当前，数值计算和深度学习是降水临近预报的两类主流方法，但均存在缺陷和误差，预报时效往往在一小时以内。

清华软件学院教授王建民、副教授龙明盛团队自2017年起与国家气象中心合作，就人工智能技术在气象大数据的应用展开攻关，最终研发出了一款极端降水临近预报大模型，显著提高了公里尺度下0至3小时极端降水的预报能力，实现了及时有效的“未雨绸缪”。团队首先设计了中尺度演变网络，模拟降水过程中的尺度运动，将预报累积误差最小化。以该网络预测结果为条件，团队又提出了对流尺度生成网络，通过概率生成模型进一步捕捉对流生消等混沌效应更显著的公里尺度降水过程。王建民说，该模型兼具深度学习与物理建模的优势，首次将降水临近预报的时效延长至3小时，弥补了极端降水预报的短板。

为检验临近预报大模型的有效性，国家气象中心邀请了国内气象台一线预报专家，对2400个极端降水过程进行检验测试，结果显示，该模型在气象预报的多个数值指标上超越现有技术，在71%的天气情况中具有最高的预报价值。研究成果日前以“高技巧极端降水临近预报大模型”为题发表在国际学术期刊《自然》杂志上。

目前，该大模型已在国家气象中心短临预报业务平台上线，为全国极端降水天气短临预报工作提供技术支撑。未来，团队还将进一步推进该模型在物理问题求解、大气海洋模拟、工业设计仿真等场景下的应用。

标签：