明敏来自奥飞寺
量子比特 |公众号QbitAI
今天，达摩院发布了名为“八景”的大型气象模型，可以预测时间和空间，最大精度为1公里×1公里×1小时。
什么概念？
俗话说“十里一日不同”，翻译过来就是5公里。
预测范围精确到每平方公里，大致相当于一个大型社区或大学校园的面积。
一场突如其来的大雨让户外演唱会措手不及吗？观众们没准备成落汤鸡吗？不再存在。
更重要的是，它每小时动态更新。这就是AI天气模型的优势之一，就是计算速度快。
该模式现已在国网山东省电力调度中心实施。
在气温、风速、云量、辐射等重要气象指标的预测方面，最新的AI天气模型比传统预测更接近实际测量值。
为何电力系统率先“尝试”？在北京举行的阿里巴巴达摩院决策智能产品发布会上，达摩院及行业技术专家进行了解读。
率先在天气预报中使用 MAE
人工智能正在彻底改变天气预报依赖“强力计算”的现状。
传统上，气象学家根据物理定律将大气运动变化写成一系列数学物理方程，然后进行数值计算，这会消耗大量的计算资源，并受到物理模型瓶颈的制约。
如今，DeepMind提出的GraphCast可以在一分钟内预测未来10天的天气预报，并且可以快速准确地预测全球气候。
NowcastNet是清华大学和中国气象局在《自然》杂志上发布的气象模型，主要针对极端天气的预测，如短期强降水、暴风雨、暴风雪、冰雹等。
自巴观被列入发展议程以来，更加关注行业对天气预报的需求，致力于填补从“全球大模型”到行业落地的空白。
以电力行业为例，随着极端天气事件的频繁发生，电网在发电、输电、配电各个阶段都面临着挑战。
比如，炎热的夏天如果突然来一场大暴雨，气温就会大幅下降，整个社会的用电需求就会大幅下降（天凉了就不用开空调了）。如果电网不动态调整发电量，将会给电网的稳定运行带来隐患。
还有光伏、风能等新能源电站，发电量直接受天气影响。其发电量需要提前预测，以更好地匹配实际电力需求，避免短缺或过剩。
以上几个方面实际上对天气预报模型提出了新的要求：
因此，八观采取“全球-区域”协同预报策略，即在全球气象模式的基础上引入区域多源多模态资料，从而将最大时空精度逼近1公里×1公里×1小时。
在模型架构方面，Baguan创新性地采用了双MAE掩码自编码器的结构。
掩码自动编码器是一种自监督学习模型，广泛应用于图像、文本和其他数据的特征学习和表示。在屏蔽自动编码器中，部分输入数据被随机屏蔽（即隐藏或屏蔽），并且模型的任务是重建这些屏蔽部分。
这种方法迫使模型学习数据的内部结构和特征，从而提高其泛化和表示能力。
对应气象领域，可以理解为将天气图分割成小块，屏蔽掉一定比例的小块，然后让模型通过学习6小时前的天气数据以及未出现的区域来重建该区域6小时后蒙面。 6小时后覆盖区域。
通过这种方式，模型可以学习隐藏在高度不稳定的天气数据下的鲁棒特征表示，以实现更准确的预测。
数据方面，八关模型采用多模态、多维度的数据集进行训练。基于气象观测站现场数据（如气温、降水量、风速风向等）、实时气象数据、开源卫星云图、开源地形等，采用数据驱动和物理驱动双重驱动方法，巴观分析了分网格尺度情况，对地面小气候过程进行详细建模。
这意味着该模型可以模拟小尺度气象现象，包括湍流、局地风、微风系统、地表能量交换等，进一步提升预报结果的粒度和准确性。
在具体技术指标表现方面，达摩院展示了全球气象大模型部分和区域气象大模型部分的性能。
结果与国际主流欧洲中期天气预报中心综合预报系统（EC-IFS）的预报结果进行了对比。
我们先看全局部分。
对比EC-IFS的预测结果，八视模型在各个维度的预测都非常接近，达到了国际前沿水平。
再看业界比较关注的大范围区域气象模型，从今年山东电网系统的实际运行数据来看，巴关模型在多项关键指标上较主流EC-IFS预测都有明显提升结果。
在空间分辨率和细节方面，八视气象模型也更加精细，更接近真实天气。
除了预测结果更加准确、面向实际实施之外，巴关模型还支持轻量级部署，能够更好地满足行业用户的实施需求。
八观的“细心”在于为行业提供独家天气预报。
山东电网已率先体验
以山东电力系统实施八关为例。
今年夏季是山东省开始收集数据以来同期第二个最潮湿、第一个最热的夏季。夏季用电高峰期天气波动较大（总用电量最大时天气变化无常）。
8月25日至8月28日，山东出现强降雨，造成气温明显变化，3天内总负荷下降20%。
八关区域气象模型抓住了这一变化，准确预测了负荷。 3天内综合准确率达到98.1%，超过传统天气预报。
△气温预测，八视气象模型（右）与数值天气预报（左）对比
同样，在发电领域，随着新能源装机容量和并网量不断增加，电力系统希望通过高频更新的区域天气预报，更准确地反映日内新能源发电量。结果表明，基于巴关气象模型，下游新能源发电功率预测的准确度也非常出色，达到了96.5%。
新上任的“人工智能天气预报员”帮助电力系统顺利度过了山东这个不寻常的夏天。
来自达摩院决策智能实验室
最后，我们来看看八景气象模型背后的团队——阿里巴巴达摩院决策智能实验室。
实验室主要致力于决策智能系统所需的机器学习、数学建模、优化求解、时序预测、因果分析、决策解可解释性、决策推理大模型等技术的研究与创新，从而提高实际业务的运营效率。和效益，降低运营成本。
实验室在顶级会议和期刊发表论文120余篇，参与阿里巴巴集团内外多项人工智能重点项目，开发出MindOpt、eForecaster等代表作。尤其是在电力能源行业，达摩院决策智能实验室有着非常深入的技术落地。
其中，求解器被誉为“工业软件的核心”，长期被国外垄断。 MindOpt是国内的杰出代表，在权威竞赛中荣获国内电力求解器第一名。在本次最新版本中，MindOpt更新了V2.0版本，增加了对非线性规划（NLP）和混合整数二次锥规划（MIQCP）模型的支持，覆盖石油、化工、生物制药等更多场景需求，并深入集成自主研发的全流程优化套件，通过国内云平台独家提供在线开发和解决能力，帮助各行业方便快捷地获取。
凭借在人工智能预测新能源发电量、推动绿色能源发展方面取得的成绩，eForecaster还入选联合国AI for Good案例集。某光伏、风电重点开发区域，由于地处江边，气候变化复杂，分布式光伏装机规模大且增长快，风电、光伏发电预测难度大。借助八景气象模型，eForecaster分布式光伏电量预测月均准确度提升1.4%，风电电量预测月均准确度提升5.5%。
目前，八视气象模型、eForecaster、MindOpt已经形成了从早期预测到后期决策的完整智能链条。
未来，达摩院将针对民航、体育赛事、农业生产等领域的具体需求，不断提升八景气象模型的性能，坚持做“最懂气象的气象模型”。行业”。
