Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

物理与 AI 的融合,中国科学院大气物理研究所物理耦合图神经网络,提升降水预报技巧

编辑 | ScienceAI

大模型时代,纯数据驱动的气象、气候模型效果逐渐追赶甚至赶超数值模式。

然而,目前气象、气候大模型也仍然存在不少问题。比如物理一致性不高、辐散风预报效果不好等等,这些问题限制了对于降水等复杂天气气候现象的预测能力。

目前,将物理、大气动力与深度学习模型结合成为提升模型能力,解决目前瓶颈问题的一条重要途径。

近日,中国科学院大气物理研究所黄刚研究员团队基于地球系统数值模拟装置(寰)的数据和算力支持,从物理变量耦合关系角度出发,结合图神经网络对多变量进行物理软约束,提升了数值模式的降水预报技巧,在物理和 AI 的融合方向做了一些尝试和探索。

研究以《Coupling Physical Factors for Precipitation Forecast in China With Graph Neural Network》为题,于 1 月 18 日发表在《Geophysical Research Letters》上。

图片


论文链接:https://doi.org/10.1029/2023GL106676

针对降水预报的难点问题,尤其是强降水的预报问题,团队从降水的影响要素和发生机制出发,结合 omega 方程和水汽方程等进行变量筛选、构建变量耦合图网络。

Omega 方程和水汽方程分别描述了垂直运动和水汽变化,均为影响降水的重要因素。从图网络的角度来看,前述方程反应了基本的物理量(温、风、湿等)的非线性组合与降水关键要素之间的关系,因而可以将其抽象为图网络,通过图网络间变量(节点)和变量间关系来表征不同物理变量间的组合及耦合。

同时,考虑到气候因子对于天气尺度的影响,尤其是不同气候背景下模式误差系统性的差异,该研究将季节、ENSO 等气候因子和起报时间等稀疏数据使用 entity embedding 技术嵌入校正模型,以区分不同背景下的误差。

此外,针对降水过程,该研究对图神经网络 ChebNet 进行局地化改进,使其基本保持效果的同时,避免全局运算,大幅降低计算复杂度。

图片

图 1:omega-GNN 模型示意。(来源:论文)

模型比对结果表明,该研究提出的两个物理约束模型 omega-GNN 和 omega-EGNN 相较于数值模式,显著提升各分类降水预报技巧,同时其性能优于目前主流的无物理约束深度学习模型(如 U-NET,3D-CNN 等)。

此外,该研究对所有深度学习模型均进行了十组扰动,使其可以进行集合预报。结合诊断和个例分析发现,物理约束的模型显著优于无物理约束模型,对于强降水的预报,omega-GNN 模型和 omega-EGNN 模型集合间一致性更高,且预报技巧更好。

图片

图 2:各模型(a)TS评分,(b-g)相对于数值模式的 TS 差值空间分布(20mm/6h 阈值以上降水)。(来源:论文)

论文通讯作者黄刚研究员说:「我们团队在气候动力方向有较多积累,近几年在利用 AI 提升天气气候预测方向做了一些尝试,相关成果多次获得相关大赛奖项。在 AI 大模型时代下,物理如何与 AI 融合是一个大问题,有许多融合的途径和思路。我们结合大气、气候动力的一些思考,从物理耦合的角度对模型进行软约束,在这个方向上做了一些尝试,希望可以为相关领域提供一些增量信息。」

该研究由中国科学院大气物理研究所硕士生陈昱同、汪亚博士、黄刚研究员和中国气象局广州热带海洋气象研究所田群博士合作完成。

参考内容:https://iap.cas.cn/gb/xwdt/kyjz/202401/t20240119_6959543.html

产业极端天气天气预报人工智能
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

图神经网络技术

图网络即可以在社交网络或其它基于图形数据上运行的一般深度学习架构,它是一种基于图结构的广义神经网络。图网络一般是将底层图形作为计算图,并通过在整张图上传递、转换和聚合节点特征信息,从而学习神经网络基元以生成单节点嵌入向量。生成的节点嵌入向量可作为任何可微预测层的输入,并用于节点分类或预测节点之间的连接,完整的模型可以通过端到端的方式训练。

图网技术

ImageNet 是一个计算机视觉系统识别项目, 是目前世界上图像识别最大的数据库。

图网络技术

2018年6月,由 DeepMind、谷歌大脑、MIT 和爱丁堡大学等公司和机构的 27 位科学家共同提交了论文《Relational inductive biases, deep learning, and graph networks》,该研究提出了一个基于关系归纳偏置的 AI 概念:图网络(Graph Networks)。研究人员称,该方法推广并扩展了各种神经网络方法,并为操作结构化知识和生成结构化行为提供了新的思路。

推荐文章
暂无评论
暂无评论~