预报

在模型算法层面，团队设计了滑动窗口注意力机制、纬度余弦加权损失函数及多要素联合优化策略，针对性提升了对台风、寒潮、暴雨等10余类电网高影响天气过程的预报预警能力。

”他举例说，以数值模型为主体、AI模型为补充，能够有效提升海浪、风暴潮等水动力要素的预测精度与运算速度，实现短临、中长期海况更精准的预报预警。

该系统由洪水预报调度、干旱监测预测、风暴潮预报预警、地下水监测预警四大子系统组成，可以为流域洪水预报调度、山洪与中小河流预报预警、城市洪涝模拟预警、风暴潮预报预警等场景提供支撑。

从搭建流域洪水预报平台到监测地下水超采区信息，再到摸清季节与水文、生物地球化学周期的关联……多位受访专家介绍，AI在防洪减灾、地下水位预测预报、水环境判断、港口航道、新能源等领域已有探索和应用。

据介绍，在预报性能上，其未来10天的风速预报误差与国际主流模型基本相当，近地面温度预报在所有参评模型中达到最优。

精度层面的第三方对比数据也给出了佐证：“玑衡”未来10天的风速预报误差与国际主流模型基本相当，近地面温度预报在所有参评模型中为最优。

团队还从业务应用出发，对模型输出进行电力场景适配与验证，确保预报结果能够真正服务于新能源功率预测、灾害预警等一线生产环节。

更重要的是，这种模式更新频率低——通常6到12小时才输出一次预报结果。

据悉，“玑衡”的预报结果目前已接入全国新能源集中预测平台和极端天气预警风险评估系统两大核心业务系统。

FuXi-CNOPs集合预报系统相关成果已在线发表于《大气科学进展》，并将以封面论文刊登于纸质版。

近日，中国科学院大气物理研究所段晚锁研究员团队，与复旦大学李昊研究员和中国气象局地球系统数值预报中心韩威研究员等联手，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，成功研制了FuXi-CNOPs集合预报系统。

大量对比试验显示，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，为“可解释、可信赖”的AI气象预报开辟了新路径。

近日，中国人民大学发布“观天短临降水智能预报系统”。

要理解这场变革的深度，不妨先看看传统预报模式的“样子”。

研究团队选取62个典型台风个例，开展了91次集合预报对比试验。

“AI+物理”破解台风预报“黑箱”

今年5月底，模型准确预报了东北地区强对流天气过程，为设备运维提供了精准气象支撑