
AI模型不求解复杂的物理方程,而是“吃”进去海量的历史气象数据(比如过去40年的全球数据),学习“昨天这样的天气,明天通常会变成什么样”的统计规律。一旦训练完成,它预测速度极快(几分钟出10天预报),且在某些指标上已媲美传统模式。但是AI模型缺乏物理解释,且预报中存在“平滑效应”,可能会有极值削弱现象。
我国已逐步构建起基于国产人工智能大模型家族,“风雷”、“风清”、“风顺”、“风宇”等系列气象预报模型相继问世,部分核心指标达到国际先进水平。“风清”模型原创设计了神经状态转移架构网络,其性能已跻身国际第一梯队;“风雷”作为国内首个具有大气物理方程约束的短临预报业务模型,实现3小时预警提前量,雷达强回波预报技巧提升25%,在多次强对流天气过程中发挥了关键作用。
依托“数值预报模式+AI气象大模型+预报员综合研判”的协同机制,当前24小时城镇天气预报准确率可达85%左右,气温误差控制在1-2℃以内,为公众出行提供了可靠保障。
有人可能会疑惑,既然24小时城镇天气预报准确率可达85%,那为什么一遇到极端暴雨、超强台风、突发龙卷风等灾害性的极端天气时,总感觉预警似乎是“慢半拍”,甚至“报不准”呢?事实上,这并非人力可为或不可为的问题,而是极端天气的发生机理、路径等比常规天气要复杂太多,模拟和观测更是困难重重。
许多极端天气(如龙卷风、突发性强对流)具有空间尺度小(仅数公里)、生命史短(从生成到消散不足一小时)的特点。现有的全球观测网络在时空分辨率上存在局限,特别是高空观测难以实现全天候、无死角覆盖。尤其在高原、山区,观测站点稀疏,致使系统初生阶段的捕捉与监测存在“盲区”。
证券时报提供的信息力求真实准确,文章内容仅供参考,不构成实质性投资建议,据此操作风险自担。下载“证券时报”官方APP或关注官方微信公众号,可随时了解股市动态、政策信息和财富机会
2026-07-07 11:57:36水利部专题部署台风暴雨洪水防御工作