[논문 리뷰] FuXi-2.0: Advancing machine learning weather forecasting model for practical applications

Xiaohui Zhong, Lei Chen외 4명|arXiv (Cornell University)|2024. 09. 11.

Hydrological Forecasting Using AI인용 수 7

한 줄 요약

FuXi-2.0은 초기 5일간 1시간 단위의 전 지구 기상 예보를 제공하고 이후에는 6시간 단위 예보를 제공하며, 대기 및 해양 변수의 광범위한 집합을 반영하여 주요 실용적 시나리오에서 ECMWF HRES를 능가합니다.

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.

연구 동기 및 목표

• 풍력/태양광, 항공, 해운 등 부문에 걸친 고시간해상 ML 기상 예보의 필요성을 제시한다.
• 처음 5일은 1시간 간격의 글로벌 예측, 이후는 6시간 간격의 예측을 달성하기 위해 FuXi-2.0을 개발한다.
• 대기 및 해양 구성요소를 모두 포함하는 출력 변수 집합을 확장하여 결합 모형화를 가능하게 한다.
• 다양한 실용 변수 및 시나리오에서 FuXi-2.0을 ECMWF HRES 및 Pangu-Weather와 비교 평가한다.

제안 방법

• 6시간 간격 예측 생성기와 1시간 간격 보간기로 연속적인 1시간 간격 예측을 보장하는 두 모델 프레임워크.
• 반복 횟수를 줄이고 예측 연속성을 유지하기 위한 트랜스포머 기반 보간.
• 풍력, 태양광, 항공, 해양 응용을 지원하기 위해 13 기압면의 5개 상층 변수와 23개 지표면 변수를 포함.
• 대기-해양 결합을 가능케 하고 열대 저압의 강도 예측 향상을 위한 해양 변수의 도입.
• 참고로 ERA5를 기준으로 평가하고 1시간 간격 예측을 최대 90시간까지 ECMWF HRES 및 Pangu-Weather와 비교.

실험 결과

연구 질문

• RQ1 FuXi-2.0가 처음 5일간 연속적인 시간 해상을 갖춘 1시간 간격 예측과 이후의 신뢰할 수 있는 6시간 간격 예측을 제공할 수 있는가?
• RQ2 풍력, 태양광, 항공, 해운 응용에서 주요 변수에 대해 FuXi-2.0 예측이 ECMWF HRES 및 Pangu-Weather를 능가하는가?
• RQ3 FuXi-2.0의 대기-해양 결합이 대기 전용 모델과 비교해 열대 저기의 강도 예측을 향상시키는가?
• RQ4 확대된 변수 세트가 다양한 예보 선행 시간에서 예측 정확도와 활동에 어떤 영향을 미치는가?

주요 결과

• FuXi-2.0은 최대 90시간 예측에 걸쳐 일반적으로 평가되는 변수들에서 RMSE와 ACC 측면에서 ECMWF HRES를 능가한다.
• 1시간 간격 출력으로 바람 발전 예측이 HRES보다 우수하다.
• Coupled atmosphere-ocean outputs in FuXi-2.0 yield more accurate tropical cyclone intensity forecasts than FuXi-1.0 (atmosphere-only).
• 예보 활동 분석은 FuXi-2.0이 과도한 平滑화 없이 현실적인 변동성을 유지함을 보여주며, 반면 Pangu-Weather의 예측은 더 완화된 경향을 보인다.
• 풍력/태양광, 항공, 해운의 주요 실용 변수에서 Pangu-Weather 및 HRES 모두에 비해 FuXi-2.0의 이점을 보여준다.