首頁 > 科技要聞 > 科技> 正文

最高精度1公里*1公里*1小時(shí)!達(dá)摩院發(fā)布?xì)庀蟠竽P停笊綎|已經(jīng)在用了

量子位 整合編輯:太平洋科技 發(fā)布于:2024-11-07 16:24

今天,達(dá)摩院發(fā)布名為“八觀”的氣象大模型,預(yù)測時(shí)空精度最高可達(dá)1公里×1公里×1小時(shí)

什么概念?

俗話說“十里不同天”,換算下也要5公里。

預(yù)測范圍精準(zhǔn)到每平方公里,大概也就是一個大型小區(qū)、大學(xué)校園的占地面積。

露天演唱會被突如其來的大雨殺個措手不及?觀眾毫無準(zhǔn)備變成落湯雞?不存在了。

更何況還是小時(shí)級動態(tài)更新,這正是AI氣象模型的優(yōu)勢之一,計(jì)算快速。

這個模型,現(xiàn)在已經(jīng)落地國網(wǎng)山東電力調(diào)度中心

在對溫度、風(fēng)速、云量、輻射等重要?dú)庀笾笜?biāo)的預(yù)測上,最新AI氣象模型相較于傳統(tǒng)預(yù)報(bào),都更貼近實(shí)測值。

為什么是電力系統(tǒng)最先“嘗鮮”?在北京舉行的阿里巴巴達(dá)摩院決策智能產(chǎn)品發(fā)布會上,達(dá)摩院和行業(yè)技術(shù)專家進(jìn)行了解讀。

率先把MAE用到氣象預(yù)測

AI正在徹底改變天氣預(yù)報(bào)依賴“暴力計(jì)算”的現(xiàn)狀。

傳統(tǒng)上,氣象學(xué)家們根據(jù)物理規(guī)律,將大氣運(yùn)動變化編寫成一系列數(shù)學(xué)物理方程再進(jìn)行數(shù)值計(jì)算,耗費(fèi)大量算力資源,且受到物理模型的瓶頸制約。

如今,DeepMind提出的GraphCast,能在1分鐘內(nèi)預(yù)測未來10天的天氣預(yù)報(bào),可以快速準(zhǔn)確預(yù)測全球范圍氣候。

清華&中國氣象局曾發(fā)表在Nature上的氣象模型NowcastNet,則主要針對極端天氣的預(yù)報(bào),比如短時(shí)強(qiáng)降水、暴風(fēng)雨、暴雪、冰雹等。

而八觀從被提上開發(fā)日程時(shí),就更加關(guān)注行業(yè)領(lǐng)域對氣象預(yù)測的需求,致力于填補(bǔ)從“全球大模型”到行業(yè)落地的GAP。

以電力行業(yè)為例,隨著極端天氣發(fā)生愈加頻繁,電網(wǎng)面臨來自發(fā)電、輸電、配電各個階段的挑戰(zhàn)。

比如高溫夏季突遭特大暴雨,氣溫大幅降低,全社會用電需求就會驟減(涼快了就不用開空調(diào)了嘛),電網(wǎng)如果沒有動態(tài)調(diào)整發(fā)電量,就給電網(wǎng)穩(wěn)定運(yùn)行帶來隱患。

以及光伏、風(fēng)能這類新能源發(fā)電廠,其發(fā)電量直接受到天氣影響。需要提前預(yù)測其發(fā)電量,才能更好匹配實(shí)際電力需求,避免短缺或過剩。

如上方方面面,其實(shí)給氣象預(yù)測模型提出了新要求:

響應(yīng)速度更快、完成高頻預(yù)報(bào)

時(shí)空精度更高、具體到發(fā)電廠當(dāng)?shù)氐奶鞖庾兓?/p>

由此,八觀采用“全球-區(qū)域”協(xié)同預(yù)測策略,即在全球氣象模型基礎(chǔ)上引入?yún)^(qū)域多源多模態(tài)數(shù)據(jù),從而將時(shí)空精度最高逼近到1公里×1公里×1小時(shí)。

在模型架構(gòu)上,八觀創(chuàng)新性使用了孿生MAE掩蔽自編碼器的結(jié)構(gòu)。

掩蔽自編碼器是一種自監(jiān)督學(xué)習(xí)模型,廣泛應(yīng)用于圖像、文本等數(shù)據(jù)的特征學(xué)習(xí)和表示。在掩蔽自編碼器中,部分輸入數(shù)據(jù)被隨機(jī)掩蔽(即隱藏或屏蔽),模型的任務(wù)是重建這些被掩蔽的部分。

這種方法迫使模型學(xué)習(xí)數(shù)據(jù)的內(nèi)部結(jié)構(gòu)和特征,從而提高其泛化能力和表示能力。

對應(yīng)到氣象領(lǐng)域,可以理解為將氣象圖劃分成一個個小塊,將其中一定比例的小塊掩蔽,然后讓模型通過學(xué)習(xí)6小時(shí)前的氣象數(shù)據(jù)和6個小時(shí)后沒有被掩蓋的區(qū)域來重建6小時(shí)后的掩蓋區(qū)域。

這樣模型就能學(xué)習(xí)隱藏在高波動的天氣數(shù)據(jù)下的魯棒性特征表示,實(shí)現(xiàn)更精準(zhǔn)預(yù)測。

在數(shù)據(jù)上,八觀模型使用了多模態(tài)、多元數(shù)據(jù)集訓(xùn)練;趤碜詺庀笥^測站的場站數(shù)據(jù)(如氣溫、降水量、風(fēng)速風(fēng)向等)、氣象實(shí)況數(shù)據(jù)、開源衛(wèi)星云圖、開源地形等,利用數(shù)據(jù)驅(qū)動和物理驅(qū)動雙重方法,八觀對次網(wǎng)格尺度局地的微氣象過程進(jìn)行精細(xì)建模。

這意味著模型可以模擬小尺度氣象現(xiàn)象,包括湍流、局地風(fēng)、微風(fēng)系統(tǒng)、表面能量交換等。進(jìn)一步增強(qiáng)預(yù)報(bào)結(jié)果細(xì)粒度和準(zhǔn)確度。

在具體技術(shù)指標(biāo)表現(xiàn)上,達(dá)摩院分別展示了全球氣象大模型部分和區(qū)域氣象大模型部分的表現(xiàn)。

結(jié)果和國際主流的歐洲中期天氣預(yù)報(bào)中心綜合預(yù)報(bào)系統(tǒng)(EC-IFS)的預(yù)測結(jié)果進(jìn)行對比。

先來看全球部分。

對比EC-IFS預(yù)測結(jié)果,八觀模型在各維度上的預(yù)測均十分接近,達(dá)到國際前沿水平。

再看行業(yè)更關(guān)注的區(qū)域氣象大模型部分,從今年在山東電網(wǎng)系統(tǒng)中實(shí)際運(yùn)行的數(shù)據(jù)來看,八觀模型與主流EC-IFS預(yù)報(bào)結(jié)果對比,在多個重點(diǎn)指標(biāo)上都有大幅提升。

在空間分辨率及細(xì)節(jié)上,八觀氣象大模型也更精細(xì)、更接近實(shí)況天氣。

除了預(yù)測效果更為精準(zhǔn),面向?qū)嶋H落地,八觀模型支持輕量化部署,能更好滿足行業(yè)用戶的落地需求。

八觀的“細(xì)心”,正在于給行業(yè)提供一份專屬天氣預(yù)報(bào)。

山東電網(wǎng)已經(jīng)搶先體驗(yàn)

以八觀在山東電力系統(tǒng)的落地為例。

今年夏天是山東省有數(shù)據(jù)統(tǒng)計(jì)以來降水同期第二、溫度同期第一的一個夏季,迎峰度夏期間天氣波動較大(在用電總量最大的時(shí)候天氣多變)。

8月25日-8月28日,山東地區(qū)出現(xiàn)強(qiáng)降雨天氣,導(dǎo)致氣溫大幅變化,負(fù)荷總量在3天內(nèi)下降20%。

八觀區(qū)域氣象模型把握到了這一變化,對負(fù)荷進(jìn)行精準(zhǔn)預(yù)測,3天內(nèi)綜合準(zhǔn)確率達(dá)到98.1%,超過傳統(tǒng)天氣預(yù)報(bào)。

針對溫度預(yù)測,八觀氣象大模型(右)與數(shù)值天氣預(yù)報(bào)(左)的對比

同樣,在發(fā)電領(lǐng)域,隨著新能源的裝機(jī)與并網(wǎng)不斷攀升,電力系統(tǒng)希望通過高頻更新的區(qū)域氣象預(yù)報(bào)更準(zhǔn)確反映出一天內(nèi)新能源發(fā)電的出力情況。結(jié)果顯示,基于八觀氣象大模型,下游新能源發(fā)電功率預(yù)測準(zhǔn)確率同樣表現(xiàn)優(yōu)秀,達(dá)到96.5%。

新上崗的“AI天氣預(yù)報(bào)員”,幫助電力系統(tǒng)平穩(wěn)度過了山東這個不同尋常的夏天。

來自達(dá)摩院決策智能實(shí)驗(yàn)室

最后,來看一下八觀氣象大模型的幕后團(tuán)隊(duì)——阿里達(dá)摩院決策智能實(shí)驗(yàn)室。

該實(shí)驗(yàn)室主要致力于決策智能系統(tǒng)需要的機(jī)器學(xué)習(xí)、數(shù)學(xué)建模、優(yōu)化求解、 時(shí)序預(yù)測、因果分析、決策方案可解釋性、決策推理大模型等技術(shù)的研究和創(chuàng)新,為實(shí)際業(yè)務(wù)提升運(yùn)營效率和收益,減少運(yùn)營成本。

實(shí)驗(yàn)室累計(jì)發(fā)表頂會頂刊文章120余篇,參與阿里集團(tuán)內(nèi)外部多個重點(diǎn)AI項(xiàng)目,研發(fā)了包括敏迭優(yōu)化求解器(MindOpt)、eForecaster在內(nèi)的代表作。尤其在電力能源行業(yè),達(dá)摩院決策智能實(shí)驗(yàn)室的技術(shù)落地非常深入。

其中,求解器被譽(yù)為“工業(yè)軟件之芯”,很長一段時(shí)間都被國外壟斷。MindOpt正是突出的國產(chǎn)代表,已經(jīng)在權(quán)威賽事中取得了電力用國產(chǎn)求解器第一名。本次最新發(fā)布中,MindOpt更新V2.0版本,增加了對非線性規(guī)劃(NLP)和混合整數(shù)二次錐規(guī)劃(MIQCP)兩類模型的支持,覆蓋石油、化工、生物制藥等更多場景的需求,并且深度集成了自研全流程優(yōu)化套件,在國內(nèi)獨(dú)家通過云平臺提供在線開發(fā)求解能力,助力各行業(yè)便捷、快速獲取。

而憑借AI預(yù)測新能源發(fā)電功率、從而促進(jìn)綠色能源發(fā)展的成績,eForecaster也入選了聯(lián)合國AI for Good案例集。在某光伏和風(fēng)電重點(diǎn)發(fā)展地區(qū),由于地處江畔,氣候變化復(fù)雜,分布式光伏裝機(jī)量大增長快,風(fēng)電和光伏預(yù)測難度較高。在八觀氣象大模型助力下,eForecaster的分布式光伏功率預(yù)測月平均準(zhǔn)確率提升1.4%,風(fēng)電功率預(yù)測月平均準(zhǔn)確率提升5.5% 。

目前,八觀氣象大模型、eForecaster、MindOpt已經(jīng)構(gòu)成了從前期預(yù)測到后期決策的完整智能鏈條。

未來,達(dá)摩院還將針對民航、體育賽事、農(nóng)業(yè)生產(chǎn)等領(lǐng)域的特性需求,不斷提升八觀氣象大模型的表現(xiàn),堅(jiān)持做“最懂行業(yè)”的氣象大模型。

本文來源:量子位

網(wǎng)友評論

聚超值•精選

推薦 手機(jī) 筆記本 影像 硬件 家居 商用 企業(yè) 出行 未來
  • 二維碼 回到頂部