达摩院发布了最高精度1公里*1公里*1小时气候模型，大山东已使用。

今日，达摩院发布了一款名为“八观”的大气候模型，预测最高时空精度可达1公里×1公里×1小时。

什么概念？

俗话说得好，“十里不同天”，换算也要5公里。

准确的预测范围每平方千米，大概也就是大型小区、大学校园的占地面积。

户外音乐会被突如其来的大雨杀死，猝不及防？观众毫无准备地变成了落汤鸡？不存在。

更不用说小时动态更新了，这也是AI气候模型的优势之一，计算迅速。

这个模型，现在已经落地了。国家电网山东省电力调度中心。

与传统预报相比，最新的AI气候模型在温度、风速、云量、辐射等关键气候指标的预测上更符合实测值。

为什么供电系统是第一个“早期采用者”？达摩院和行业技术专家在北京阿里巴巴达摩院决策智能产品发布会上进行了解读。

率先使用MAE进行气象预测。

依靠“暴力计算”的现状，AI正在彻底改变天气预报。

传统上，气象学家根据物理规律，将大气运动的变化编写成一系列数学物理方程，然后计算数值，这些方程消耗了大量的计算率资源，并受到概念模型瓶颈的制约。

现在，DeepMind提出的GraphCast，可以在1分钟内预测未来10天的天气预报，并能快速准确地预测全球气候。

清华&中国气象局曾经在Nature上发表过NowcastNet的气候模型，主要针对短期强降水、暴风雨、暴雪、冰雹等恶劣天气的预报。

而且八观从被提上开发日程时，更加重视八观，行业领域为了满足气象预测的需要，我们致力于填补从“全球大模型”到行业落地的GAP。

就拿电力行业来说，随着恶劣天气的发生越来越频繁，电网面临着发电、输电、配电等各个阶段的挑战。

比如炎热的夏天暴雨，气温大大降低，整个社会的用电需求会急剧下降(凉了就不用开空调了)。如果电网没有动态管理发电量，会给电网的稳定运行带来隐患。

以及光伏、风能等新能源发电厂，其发电量直接受天气影响。为了更好地满足实际电力需求，防止短缺或过剩，需要提前预测其发电量。

上述各方面，实际上对气象预测模型提出了新的要求：

更快的响应速度，完成高频预报

时间和空间精度较高，具体到发电站当地的天气变化。

于是，八观选择了“全球-区域"协同预测策略，即引入区域多源多模态数据，基于全球气候模型。，与此同时，最高时空精度接近1公里×1公里×1小时。

八观创新在模型架构上得到了应用。双生MAE掩盖自编码器的构造。

隐蔽自编码器是一种自监督学习模型，广泛应用于学习和表达图像、文本等数据的特征。在隐蔽自编码器中，随机隐藏(即隐藏或屏蔽)部分输入数据，模型的任务是重建这些隐蔽部分。

该方法迫使模型学习数据的内部结构和特征，从而提高其泛化能力和表达能力。

与气候领域相对应，可以理解为气象图被分成小块，一定比例的小块被掩盖，然后6小时前的气象数据和6小时后没有被掩盖的区域被模型重建，6小时后的覆盖区域。

通过这种方式，模型可以学习隐藏在高变化天气信息中的鲁棒特征表达，实现更精确的预测。

就数据而言，八观模型已经使用多模态，多元化数据集训练。场站数据(如温度、降雨量、风速风向等)。)来自气象观测站。、气候数据、开源卫星云图、开源地形等。，采用数据驱动和物理驱动的双重方法，八观对次网格尺度局部的微气象过程进行了精细建模。

这意味着模型可以模拟小规模的气候现象，包括湍流、局部风、轻风系统、表面能量交换等。进一步增强预测结果的粗粒度和准确性。

就实际技术指标的表现而言，达摩院各自展示全球性气候模型部分和区域性气候模型部分的表现。

欧洲中期天气预报中心综合预报系统的结果和国际主流（EC-IFS）比较预测结果。

先来看全球部分。

与EC-IFS预测结果相比，八观模型在各个维度上的预测都非常接近，达到了国际前沿水平。

再次看看行业更加关注的问题区域气候大模型部分，根据今年山东电网系统实际运行的数据，八观模型与主流EC-IFS预报结果的对比，在多个关键指标上都有了很大的提升。

八观气候模型在空间分辨率和细节上也更加精细，更加贴近实况天气。

八观模型除预测效果更准确外，面向实际落地，支持轻量化布署，更能满足行业用户的落地需求。

八观的“细心”在于为行业提供专属的天气预报。

山东电网已经抢先体验了

以山东电力系统八观落地为例。

今年夏天是山东省同期降雨第二、气温第一的夏天。在夏季的高峰期，天气发生了很大的变化(当总用电量最大时，天气发生了很大的变化)。

八月二十五日至八月二十八日，山东地区出现强降雨天气，造成气温大幅变化，3天内总负荷下降20%。

八观区气候模型掌握了这一变化，对负荷进行了精确预测，3天内综合准确率达到98.1%，超出了传统的天气预报。

根据温度预测，八观气候模型(右)与数值天气预报(左)的对比

同样，在发电领域，随着新能源安装和并网的不断上升，供电系统希望通过区域气象预报的高频更新更准确地反映出来一天内新型能源发电的输出状况。资料表明，以八观气候模型为基础，下游新能源发电功率预测准确率同样优异，达96.5%。

新任命的“AI天气预报员”，帮助供电系统顺利度过了山东这个不寻常的夏天。

来自达摩院决策智能实验室

最后，让我们来看看八观气候模型的幕后团队。——阿里达摩院决策智能实验室。

该实验室主要致力于决定智能系统所需的机器学习、数学模型、提升求解、 研究和创新时序预测、因果分析、决策方案可解释性、决策推理大模型等技术，可以提高实际业务的运营效率和利润，降低运营成本。

实验室累计发布顶会顶刊文章120余篇，参与阿里集团内外多个重点AI项目，开发了包括敏迭升解器在内的解决方案。（MindOpt）、EForecaster等代表作品。特别是在电力能源行业，达摩院对智能实验室的决策非常深入。

在这些人中，求解器被称为“核心工业软件"，长期以来一直被海外垄断。MindOpt正是国内突出的代表，在权威比赛中获得了国内电力求解器第一名。MindOpt在最新发布中更新了V2.0版本，增加了非线性规划（NLP）混合整数二次锥规划（MIQCP）两种模式的支持涵盖了更多场景的需求，如石油、化工、生物医药等。，并深度整合了自主研发的全过程优化套件，通过云平台在国内独家提供在线开发解决方案的能力，帮助各行业方便快捷。

EForecaster也入选了联合国AIAI，因为AI预测了新能源发电功率，从而促进了绿色能源的发展。 for Good案例集。由于地处河畔，气候问题复杂，分布式光伏装机容量大幅增长，在一个光伏和风力发电大力发展的地区，风力发电和光伏预测难度较大。在八观气候模型的帮助下，eForecaster分布式光伏功率预测月平均准确率提高1.4%，风电功率预测月平均准确率提高5.5% 。

现在，八观气候大模型，eForecaster、MindOpt构成了从前期预测到后期决策的完整智能链。

未来，达摩院将继续提升八观气候模型的性能，坚持做“最了解行业”的气候模型，以满足民航、体育比赛、农业生产等特点的需求。

本文来自微信微信官方账号“量子位”，作者：明敏，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com