网站上面如何加入视频nba今日数据

谷歌 DeepMind 开源新一代天气预测 AI 模型 GenCast，GenCast 以最先进的精度预测天气和极端条件的风险

天气预报对人们生活和决策至关重要，但传统 NWP 模型存在不确定性，且计算资源需求大、运行慢。机器学习在天气预报中虽有进展，但此前的方法在不确定性量化等方面存在不足。GenCast 作为新的概率天气模型，相比欧洲中期天气预报中心（ECMWF）的顶级业务集合预报系统 ENS，具有更高的技能和速度，能提供更准确和可靠的概率天气预报，为决策提供更有力支持。

GenCast 基于扩散模型，通过学习历史天气数据（如 ECMWF 的 ERA5 数据集）来模拟未来天气状态的概率分布，生成全球 15 天的集合预报，分辨率为 0.25°。其采样过程利用噪声逐步迭代生成预测轨迹，每个时间步的预测基于前两个时间步的天气状态，通过神经网络去噪器进行计算，去噪器架构包括编码器、处理器（基于球形网格的图变换器）和解码器。

与 ENS 对比评估了 GenCast 在多个方面的性能，包括边际预报分布（如 CRPS 技能评分、集合校准、极端天气预测）和联合预报分布（如空间池化评估、区域风电预测、热带气旋路径预测）。结果显示，GenCast 在多数评估指标上表现更优，如在 97.2% 的评估目标上 CRPS 技能评分显著优于 ENS，对极端天气预测更准确，在区域风电预测和热带气旋路径预测中也表现出色。

GenCast 的优势在于能生成更准确的概率天气预报，速度快，且在多个关键方面表现出色。局限在于计算成本较高，分辨率受限于训练数据。未来可通过提高分辨率、探索效率提升技术（如蒸馏）和利用更多运行数据进行微调等方式进一步改进，有望在更广泛领域提高天气预报的准确性、效率和可用性，推动天气预报领域发展，展示了生成式人工智能在复杂动态数据分布建模方面的潜力。

github地址：https://github.com/google-deepmind/graphcast?tab=readme-ov-file

官网介绍：https://deepmind.google/discover/blog/gencast-predicts-weather-and-the-risks-of-extreme-conditions-with-sota-accuracy/

自然杂志论文地址：https://www.nature.com/articles/s41586-024-08252-9