相关实验视频
Updated: May 16, 2025

Bringing the Visible Universe into Focus with Robo-AO
Published on: February 12, 2013
球形多网格神经操作员,用于改进自回归全球天气预报
Yifan Hu1,2, Fukang Yin3, Weimin Zhang4
1College of Computer Science and Technology, National University of Defense Technology, Changsha, 410073, People's Republic of China.
一个新的球形多网格神经运算符 (SMgNO) 提高了全球天气预报的准确性,并降低了计算成本. 这种数据驱动的方法通过比以前的方法更有效地解决球形扭曲,提高了预测.
科学领域:
- *气象与大气科学 气象与大气科学
- * 人工智能和机器学习
- * 计算科学 计算机科学
背景情况:
- * 数据驱动的全球天气预报模型显示出希望,但面临着球形扭曲的挑战,影响预报稳定性.
- *传统的架构和现有的方法,如球体里埃神经运算符 (SFNO),由于球体波卷积而难以实现计算效率.
- *高计算成本限制了先进的神经运算符在天气预报中的实际应用.
研究的目的:
- * 引入一种新的球形多网格神经运算符 (SMgNO),旨在克服现有的天气预报模型的局限性.
- * 提高球面领域自回归预测的准确性和稳定性.
- * 显著减少全球天气预报所需的计算资源.
主要方法:
- * 在多网格框架内将球体波卷积与低分辨率球体里埃神经运算符 (SFNO) 集成.
- * 开发球体多网格神经运算符 (SMgNO) 以有效缓解球体数据扭曲.
- *使用球形浅水方程和中距离全球天气预报的实验验证.
主要成果:
- *SMgNO在中期全球天气预报方面表现出卓越的表现,显示异常相关系数比IFS T42在500hPa地势高度 (7天的预测时间) 上有9.31%的改善.
- *在相同的预测任务中,SMgNO在异常相关系数中比SFNO提高了6.83%.
- * 拟议的SMgNO只需要SFNO的浮点运算的10%用于向前传播,并在训练过程中减少30.90%的GPU内存,这表明了显著的计算节省.
结论:
- * SMgNO有效地减轻了球形预测架构固有的数据扭曲.
- * 该模型为数据驱动的全球天气预报提供了计算效率高和强大的解决方案.
- *SMgNO在应用神经运算符来解决复杂的大气预测问题方面取得了重大进展.
更多相关视频
10:46A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data
Published on: December 9, 2015
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
相关概念视频
Spherical Coordinates
Gauss's Law: Spherical Symmetry
Precipitation Processes
Maxwell-Boltzmann Distribution: Problem Solving
This distribution function f(v) is defined by saying that the expected number N (v1,v2) of particles with speeds between v1 and v2 is given by
Field Application of Global Positioning System
Magnetostatic Boundary Conditions