首頁(yè) > 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�，大山東已經(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(cè)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(shuō)“十里不同天”，換算下也要5公里。

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

露天演唱會(huì)被突如其來(lái)的大雨殺個(gè)措手不及？觀眾毫無(wú)準(zhǔn)備變成落湯雞？不存在了。

更何況還是小時(shí)級(jí)動(dòng)態(tài)更新，這正是AI氣象模型的優(yōu)勢(shì)之一，計(jì)算快速。

這個(gè)模型，現(xiàn)在已經(jīng)落地國(guó)網(wǎng)山東電力調(diào)度中心。

在對(duì)溫度、風(fēng)速、云量、輻射等重要?dú)庀笾笜?biāo)的預(yù)測(cè)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(cè)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(huì)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(cè)

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(dòng)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(cè)未來(lái)10天的天氣預(yù)報(bào)，可以快速準(zhǔn)確預(yù)測(cè)全球范圍氣候。

清華&中國(guó)氣象局曾發(fā)表在Nature上的氣象模型NowcastNet，則主要針對(duì)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(kāi)發(fā)日程時(shí)，就更加關(guān)注行業(yè)領(lǐng)域對(duì)氣象預(yù)測(cè)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(lái)自發(fā)電、輸電、配電各個(gè)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(huì)用電需求就會(huì)驟減（涼快了就不用開(kāi)空調(diào)了嘛），電網(wǎng)如果沒(méi)有動(dòng)態(tài)調(diào)整發(fā)電量，就給電網(wǎng)穩(wěn)定運(yùn)行帶來(lái)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(cè)其發(fā)電量，才能更好匹配實(shí)際電力需求，避免短缺或過(guò)剩。

如上方方面面，其實(shí)給氣象預(yù)測(cè)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(cè)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(duì)應(yīng)到氣象領(lǐng)域，可以理解為將氣象圖劃分成一個(gè)個(gè)小塊，將其中一定比例的小塊掩蔽，然后讓模型通過(guò)學(xué)習(xí)6小時(shí)前的氣象數(shù)據(jù)和6個(gè)小時(shí)后沒(méi)有被掩蓋的區(qū)域來(lái)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(dòng)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(cè)。

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。基于來(lái)自氣象觀測(cè)站的場(chǎng)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(kāi)源衛(wèi)星云圖、開(kāi)源地形等，利用數(shù)據(jù)驅(qū)動(dòng)和物理驅(qū)動(dòng)雙重方法，八觀對(duì)次網(wǎng)格尺度局地的微氣象過(guò)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(guó)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(cè)結(jié)果進(jìn)行對(duì)比。

先來(lái)看全球部分。

對(duì)比EC-IFS預(yù)測(cè)結(jié)果，八觀模型在各維度上的預(yù)測(cè)均十分接近，達(dá)到國(guó)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(lái)看，八觀模型與主流EC-IFS預(yù)報(bào)結(jié)果對(duì)比，在多個(gè)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(cè)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(lái)降水同期第二、溫度同期第一的一個(gè)夏季，迎峰度夏期間天氣波動(dòng)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(duì)負(fù)荷進(jìn)行精準(zhǔn)預(yù)測(cè)，3天內(nèi)綜合準(zhǔn)確率達(dá)到98.1%，超過(guò)傳統(tǒng)天氣預(yù)報(bào)。

△針對(duì)溫度預(yù)測(cè)，八觀氣象大模型（右）與數(shù)值天氣預(yù)報(bào)（左）的對(duì)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(guò)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(cè)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(guò)了山東這個(gè)不同尋常的夏天。

來(lái)自達(dá)摩院決策智能實(shí)驗(yàn)室

最后，來(lái)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(cè)、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(yíng)效率和收益，減少運(yùn)營(yíng)成本。

實(shí)驗(yàn)室累計(jì)發(fā)表頂會(huì)頂刊文章120余篇，參與阿里集團(tuán)內(nèi)外部多個(gè)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(zhǎng)一段時(shí)間都被國(guó)外壟斷。MindOpt正是突出的國(guó)產(chǎn)代表，已經(jīng)在權(quán)威賽事中取得了電力用國(guó)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(duì)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(chǎng)景的需求，并且深度集成了自研全流程優(yōu)化套件，在國(guó)內(nèi)獨(dú)家通過(guò)云平臺(tái)提供在線開(kāi)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(cè)新能源發(fā)電功率、從而促進(jìn)綠色能源發(fā)展的成績(jī)，eForecaster也入選了聯(lián)合國(guó)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(zhǎng)快，風(fēng)電和光伏預(yù)測(cè)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(cè)月平均準(zhǔn)確率提升1.4%，風(fēng)電功率預(yù)測(cè)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(cè)到后期決策的完整智能鏈條。

未來(lái)，達(dá)摩院還將針對(duì)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(lái)源：量子位

網(wǎng)友評(píng)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(lái)
    • 二維碼 回到頂部