I de senere år Vejrprognoser har gennemgået en sand revolution takket være udviklingen af nye videnskabelige modeller, der inkorporerer kunstig intelligens.Det Europæiske Center for Mellemfristede Vejrudsigter (ECMWF) har taget et konkret skridt med ankomsten af AIFS ENS, et innovativt probabilistisk system, der omdefinerer den måde, vejrudsigter genereres og administreres på.
Hvad er den nye probabilistiske model?
AIFS ENS v1 er en ensemblemodel, der bruger maskinlæringsteknikker at simulere atmosfærisk adfærd og generere vejrudsigter med et bredere overblik over mulige fremtidige situationer. Dette system udfører flere simuleringer fra den samme startsituation og sampler en lært fordeling, som giver mulighed for at indfange den usikkerhed, der er forbundet med vejrudsigter.
Takket være denne tilgang opnås prognoserne mere præcis og realistiskModellen anvender CRPS-tabsfunktionen, som hjælper med at kalibrere resultaterne under hensyntagen til de begrænsninger, der er forbundet med at arbejde med et begrænset antal ensemblemedlemmer. Som følge heraf, AIFS ENS har overgået traditionelle fysiske ensemblemodeller i mellemfristede prognoser og er meget konkurrencedygtig i undersæsonbestemte prognoser..
Vigtigste forskelle i forhold til traditionelle modeller
Et af de mest relevante karakteristika ved AIFS ENS Det er måden, den inkorporerer kontrolmedlemmet på. Mens dette medlem i traditionelle fysikbaserede modeller fungerer som en deterministisk, uforstyrret reference, er denne rolle anderledes i den AI-baserede model. AIFS ENS-kontrolmedlemmet er et produkt af den interne sampling af den fordeling, som systemet har lært., hvilket betyder, at usikkerheden ikke kan slås fra for at køre en simulering, der er nøjagtig identisk med den klassiske ordning.
Denne innovation repræsenterer et fremskridt inden for kapacitet forudse komplekse vejrfænomener og vurdere tilhørende risici ved at tage højde for atmosfærens naturlige variation i forudsigelser. Hvis du vil dykke dybere ned i, hvordan vejrmodeller fungerer, kan du konsultere andre vejrmodeller og dens betydning i vejrudsigter.
Udvikling og implementeringskronologi
Modellen gennemgik en eksperimentel fase, hvor forskellige metoder blev testet, såsom diffusionsteknikken, selvom den operationelle version udelukkende fokuserer på optimering med CRPS-tabsfunktionen. Integreringen af AIFS ENS i ECMWF's prognosesystemer er planlagt til den 1. juli 2025 kl. 06 UTC.efter en testfase, der begyndte den 23. juni.
Indtil videre vil brugere af andre modeller som IFS og AIFS Single ikke opleve nogen ændringer, da de operationelle versioner af disse systemer forbliver intakte.
Effekt og anbefalinger til brugere
Ankomsten af AIFS ENS markerer et før- og eftermøde i håndtering af meteorologisk usikkerhed og prognosenøjagtighed. De, der har til hensigt at bruge disse data, især til operationelle formål, bør dog grundigt gennemgå tilgængelige oplysninger om kendte og uafklarede problemer. ECMWF opfordrer også det videnskabelige og tekniske samfund til at give feedback med henblik på yderligere forbedring af systemet.
AIFS ENS er ikke beregnet til at erstatte traditionelle modeller med det samme, men snarere supplerer udvalget af værktøjer til vejrudsigter med mere avancerede tilgange tilpasset maskinlæringens æra. For bedre at forstå udviklingen af disse modeller kan det være interessant at gennemgå .
Udviklingen og anvendelsen af modeller som AIFS ENS åbner en ny fase inden for meteorologisk prognose, forbedring af forudsigelses- og risikostyringsevner I en global kontekst, hvor ekstreme begivenheder vinder frem, lover den fortsatte forbedring af disse værktøjer mere nyttige prognoser for både professionelle brugere og offentligheden generelt.
