风清气象 AI 大模型：数据驱动的中短期天气预报新突破

近年来，以数据驱动为主的全球中短期天气预报人工智能（AI）大模型取得突破性进展。2023年7月，中国气象局联合清华大学组建团队（以下简称“团队”），开始在大模型架构原创技术、自主模型训练和数据应用、预报精准程度等方面重点探索、寻求突破。团队对标该领域国际前沿进展，综合国内气象大模型发展，研发出基于AI技术与气象物理机制有机融合的“风清”气象AI大模型（以下简称“风清”大模型）。

谈到“风清”大模型的技术“闪光点”，团队主创成员之一、国家气象中心天气预报技术研发室主任曹勇表示：“该模型具有强物理表征性的深度模型结构设计，并面向中短期预报进行能量守恒迭代训练，实现数据和模型结构完全自主可控。”

不同于国内外主流应用视觉变换器网络（ ）、图神经网络、神经算子网络、扩散生成模型等技术路线，团队将气象物理融入深度学习模型设计，构建了全新的、强物理表征的“风清”大模型。

主流气象AI大模型大多局限在建模观测资料的时空交互上，“风清”大模型则侧重于大气物理融入和可解释性——将大气的多尺度时空交互变换为隐空间的状态转移，在实现高效计算的同时，为预测结果提供物理可解释的依据。该模型训练过程紧密结合物理守恒特性，大模型在粗网格气象实况分析上构建哈密顿守恒系统，挖掘气象过程中潜在的守恒性质，再以此为基础约束大模型预报结果的守恒性质，以提升长时效预报结果的活跃度以及对于灾害性天气的预报效果。

为了减少迭代过程中的累积误差，“风清”大模型采用可扩展的多时效优化策略，分离计算各时效的参数梯度再统一优化，使得模型的每一步优化都综合考虑未来多天预报的效果，同时充分延长优化预报时效，不断提升其中短期预报效果。该模型的数据及结构设计完全国产自主可控，可在3分钟内生成未来15天、逐6小时、25公里分辨率的全球气象预报产品，包含地面和13个气压层，共69个气象要素。

“风清”大模型对台风路径预报误差较小，相较于主流气象预报大模型，尤其在168小时及以后时效具有更为明显的优势，已在近两年的台风、高温、寒潮降温及大风预报中得到应用。

以2023年第6号台风“卡努”的预报为例——8月3日夜间至4日上午，当“卡努”移动到距浙江沿海约290公里的东海南部时，其移动逐渐停滞，路径呈现锐角转向，即由西北方向转向东偏北方向缓慢移动。“风清”大模型从7月31日0时开始，大约提前3天预报出了此次台风转向过程；12时，已预报出“卡努”两次转向的时间和转向点位置。

“该模型对‘卡努’第二次路径转折预报效果较好，还原了转向期间北侧高压坝破溃的过程，同时显示出台风南侧588位势什米线北抬，造成台风南侧气压梯度增加继而影响其转向偏东方向移动。”曹勇说。