[論文レビュー] FuXi-2.0: Advancing machine learning weather forecasting model for practical applications

Xiaohui Zhong, Lei Chen+4 more|arXiv (Cornell University)|Sep 11, 2024

Hydrological Forecasting Using AI被引用数 7

ひとこと要約

FuXi-2.0 は ECMWF HRES を上回る主要な実用シナリオで、最初の5日間は1時間ごと、以降は6時間ごとの全球天気予報を提供します。大気・海洋変数の広範なセットを取り入れる。

ABSTRACT

Machine learning (ML) models have become increasingly valuable in weather forecasting, providing forecasts that not only lower computational costs but often match or exceed the accuracy of traditional numerical weather prediction (NWP) models. Despite their potential, ML models typically suffer from limitations such as coarse temporal resolution, typically 6 hours, and a limited set of meteorological variables, limiting their practical applicability. To overcome these challenges, we introduce FuXi-2.0, an advanced ML model that delivers 1-hourly global weather forecasts and includes a comprehensive set of essential meteorological variables, thereby expanding its utility across various sectors like wind and solar energy, aviation, and marine shipping. Our study conducts comparative analyses between ML-based 1-hourly forecasts and those from the high-resolution forecast (HRES) of the European Centre for Medium-Range Weather Forecasts (ECMWF) for various practical scenarios. The results demonstrate that FuXi-2.0 consistently outperforms ECMWF HRES in forecasting key meteorological variables relevant to these sectors. In particular, FuXi-2.0 shows superior performance in wind power forecasting compared to ECMWF HRES, further validating its efficacy as a reliable tool for scenarios demanding precise weather forecasts. Additionally, FuXi-2.0 also integrates both atmospheric and oceanic components, representing a significant step forward in the development of coupled atmospheric-ocean models. Further comparative analyses reveal that FuXi-2.0 provides more accurate forecasts of tropical cyclone intensity than its predecessor, FuXi-1.0, suggesting that there are benefits of an atmosphere-ocean coupled model over atmosphere-only models.

研究の動機と目的

• 風力/太陽光、航空、海上輸送などセクターで高時間解像度のML天気予測の必要性を動機づける。
• FuXi-2.0 を開発し、最初の5日間は1時間ごと、以降は6時間ごとの全球予報を実現する。
• 結合モデリングのため、出力変数のセットを大気と海洋の成分の両方を含むよう拡張する。
• 複数の実用的な変数とシナリオで FuXi-2.0 を ECMWF HRES および Pangu-Weather と比較評価する。

提案手法

• 二モデル系: 6時間ごとの予報生成器と1時間ごとの補間器で連続した1時間ごとの予報を保証する。
• トランスフォーマーを用いた補間により反復数を削減し予報の連続性を維持する。
• 風、太陽、航空、海洋応用を支援する13の気圧レベルにわたる5つの上層大気変数と23の地表変数を含める。
• 海洋変数の組み込みにより大気-海洋結合と熱帯低気圧強度予測の改善を実現。
• ERA5を参照として、ECMWF HRES および Pangu-Weather と比較して1時間ごとの予報を90時間まで評価する。

実験結果

リサーチクエスチョン

• RQ1 FuXi-2.0 は最初の5日間の連続した時系列を持つ1時間ごとの予報を提供できるか、以降は信頼できる6時間ごとの予報を提供できるか？
• RQ2 風、太陽、航空、海運の主要変数について FuXi-2.0 の予報は ECMWF HRES および Pangu-Weather より優れているか？
• RQ3 FuXi-2.0 の大気-海洋結合は大気のみモデルと比較して熱帯低気圧の強度予測を高めるか？
• RQ4 拡張された変数セットは異なるリードタイムで予報の精度と活動性にどのような影響を与えるか？

主な発見

• FuXi-2.0 は RMSE および ACC で ECMWF HRES を上回る（最大で90時間予報まで、一般的に評価される変数に対して）。
• FuXi-2.0 は風力発電予測において 1時間ごとの出力を用いた場合、HRES を凌ぐ。
• 大気-海洋結合出力を持つ FuXi-2.0 は、大気のみの FuXi-1.0 より熱帯低気圧の強度予測をより正確に行う。
• 予報活動の分析は FuXi-2.0 が過度の平滑化なしに現実的な変動を維持することを示し、Pangu-Weather の予報はより滑らかになる傾向がある。
• FuXi-2.0 は風/太陽、航空、海運の主要な実用変数で Pangu-Weather および HRES に対して利点を示す。