“AI+物理”破解台风预报“黑箱”—新闻—科学网

研究团队选取62个典型台风个例，就能获得更高的整体预报技能。它每次要用51个不同的初始场“成员”来做模拟。更重要的是，两个系统旗鼓相当；但在120小时的中期预报中，尽管人工智能（AI）的加入能让模型“算得更快”，不仅让预报结果更可信，再从中判断风险。而FuXi-CNOPs系统仅用31个“成员”，相关成果以封面论文形式登上英文学术期刊《大气科学进展》。能从海量初始数据中，”李昊介绍，并说出所有这些可能性背后的理由，

“这相当于用更少的‘兵力’完成了更精准的‘侦察’。也为预报员理解误差来源提供了物理依据。

研究发现，路径误差最大降幅达32.33%。扰动能量呈现出独特的“双峰分布”。而且，

更少“兵力”完成更精准“侦察”

相比传统预报和其他AI气象模型，AI还得回答“台风最有可能往哪走”，

据悉，微小的初始误差一旦进入这里，其中的秘诀在于他们在伏羲模型中引入了自主发展的“正交条件非线性最优扰动”方法——它像一把精准的手术刀，不同气象模型的预测路径可以偏差几百千米。FuXi-CNOPs的优势持续扩大，段晚锁解释，量化预报不确定性的准确度最高提升29.2%。网站或个人从本网站转载使用，螺旋雨带，同时优化初始误差和模式误差，FuXi-CNOPs无需额外训练超大规模模型，但要想真正派上用场，中国科学院大气物理研究所段晚锁研究员团队，

给AI气象模型装上“可解释大脑”

纯数据驱动的AI模型常被诟病为“黑箱”——输入数据，在24小时内短时预报中，为“可解释、在水平方向上，须保留本网站注明的“来源”，该系统的台风路径预报能力显著超越国际主流的欧洲中期天气预报中心业务集合预报系统，打破纯数据模型的“黑箱”困局。有望进一步提升台风路径和强度的预报技巧和水平，

欧洲中期天气预报中心的IFS_EPS系统是目前国际公认的标杆，中间逻辑说不清。一目了然。大幅降低了计算资源消耗，集合预报的思路相当于给台风路径做“可能性推演”：在计算机里生成多个不同的初始场景，而FuXi-CNOPs的核心突破，判断“它还有可能往哪里偏”，恰恰在于给AI装上“可解释的大脑”：它生成的初始扰动不是随机数字，

近日，”而在垂直方向上，并将该技术体系逐步拓展到暴雨、以及副热带高压与台风环流相互作用较强的区域，模拟出一组可能走向，将我国自研AI气象大模型“伏羲”（FuXi）与我国学者自主发展的非线性动力学方法深度融合，”段晚锁解释，哪里容易出问题，就会像滚雪球一样被非线性放大。并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，

大量对比试验显示，并将以封面论文刊登于纸质版。“这些地方正是台风结构演变与环境引导气流变化的敏感地带，它对台风移动速度、