GenCast：谷歌DeepMind推出的AI气象预测模型

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

---

🚀 快速阅读

1. 预测范围：提供长达15天的全球天气预报，每12小时更新一次。
2. 技术优势：基于扩散模型，适应地球的球面几何形状，生成未来天气状态的条件概率分布。
3. 应用广泛：支持灾害预防、能源管理、农业规划、交通与物流、城市规划与建设等多个领域。

正文（附运行示例）

GenCast 是什么

GenCast是由DeepMind推出的革命性AI气象预测模型，基于扩散模型技术，提供长达15天的全球天气预报。GenCast在97.2%的预测任务中超越全球顶尖的中期天气预报系统ENS，尤其在极端天气事件的预测上表现突出。与传统模型相比，GenCast能在8分钟内生成预报，显著提高预测效率。GenCast已经开源，包括代码和模型权重，能支持更广泛的天气预报社区和研究。

GenCast 的主要功能

• 中长期天气预报：提供长达15天的全球天气预报，每12小时更新一次。
• 高分辨率预测：模型用0.25°纬度-经度分辨率运行，提供高分辨率的预测。
• 集合预测：与传统单一预测不同，GenCast生成50个或更多的预测集合，每个代表可能的天气轨迹，表达不确定性。
• 极端天气预测：GenCast擅长预测极端天气事件，如热浪、强风、热带气旋等。
• 快速预测：在Google Cloud TPU v5上，GenCast只需8分钟即可生成15天的天气预报集合。

GenCast 的技术原理

• 扩散模型：基于扩散模型，一种生成式AI模型，用于生成图像、视频和音乐等领域的新样本。模型基于迭代细化过程从噪声中生成未来状态的样本。
• 地球球面几何适应：GenCast特别适应地球的球面几何形状，能学习准确生成未来天气情景的复杂概率分布。
• 条件概率分布：GenCast模型了未来天气状态的条件概率分布，给定当前和之前的天气状态。
• 神经网络架构：GenCast用包含编码器、处理器和解码器的神经网络架构。编码器将输入从经纬度网格映射到内部学习表示，处理器（图变换器）关注其邻域节点，解码器将结果映射回原始网格。
• 训练与预测：GenCast用ECMWF的ERA5档案中四十年的历史天气数据进行训练，学习全球天气模式，自回归地生成15天的集合预报。
• 并行生成：由于每个时间步都是从噪声初始化的，基于用不同的噪声样本重复生成过程，生成预测集合。

如何运行 GenCast

GenCast的运行和训练代码可以在其GitHub仓库中找到，并且提供了详细的运行教程。以下是一个简单的运行示例：

# 示例代码
import gencast

# 加载预训练模型
model = gencast.load_pretrained_model('GenCast 0p25deg <2019')

# 生成预测
predictions = model.predict(input_data)

# 打印预测结果
print(predictions)

资源

• 项目官网：https://gencast-predicts-weather
• GitHub 仓库：https://github.com/google-deepmind/graphcast
• arXiv 技术论文：https://arxiv.org/pdf/2312.15796

---

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦