近年來， 由於融入人工智慧的新科學模式的發展，天氣預報經歷了一場真正的革命。歐洲中期天氣預報中心 (ECMWF) 邁出了堅實的一步， AIFS ENS，一種創新的機率系統，重新定義了天氣預報的生成和管理方式。
什麼是新的機率模型？
AIFS ENS v1 是一個使用機器學習技術的整合模型 模擬大氣行為，並基於更廣闊的未來可能情況產生天氣預報。該系統從相同的初始情況進行多次模擬，對學習到的分佈進行採樣，從而 可以捕捉天氣預報中固有的不確定性.
由於這種方法，預測得以實現 更準確、更現實該模型採用 CRPS 損失函數，該函數有助於校準結果，同時考慮到有限數量集合成員的相關限制。因此， AIFS ENS 在中期預報中的表現優於傳統的實體集合模型，並且在次季節預報中非常有競爭力。.
與傳統模型的主要區別
最相關的特徵之一 AIFS ENS 關鍵在於它如何整合控制構件。在傳統的基於物理的模型中，該構件充當確定性的、不受干擾的參考，而在基於人工智慧的模型中，其作用有所不同。 AIFS ENS 控製成員是系統學習到的分佈內部取樣的產物。，這意味著無法關閉不確定性來運行與經典方案完全相同的模擬。
這項創新代表了 預測複雜的天氣現象並評估相關風險 透過在預測中考慮大氣的自然變化。如果你想深入了解天氣模型的工作原理，可以參考 其他天氣模型 及其在天氣預報中的重要性。
實施的演變與時間順序
該模型經歷了實驗階段，其中測試了不同的方法，例如擴散技術，儘管操作版本專注於使用 CRPS 損失函數進行最佳化。 AIFS ENS 計畫於 1 年 2025 月 06 日 XNUMX UTC 納入 ECMWF 的預測系統。，測試階段於 23 月 XNUMX 日開始。
目前，IFS 和 AIFS Single 等其他模型的使用者不會感受到任何變化，因為這些系統的操作版本保持不變。
對使用者的影響和建議
AIFS ENS 的到來標誌著 管理氣像不確定性 以及預報準確性。然而，那些打算使用這些數據的人，尤其是用於業務目的的人，應該徹底審查已知和待解決問題的現有資訊。 ECMWF 也鼓勵科技界提供回饋，以進一步改善該系統。
AIFS ENS 並非旨在立即取代傳統模型，而是 補充了天氣預報工具的範圍 並開發出更先進的方法以適應機器學習時代。為了更好地理解這些模型的演變，回顧一下可能會很有趣。
AIFS ENS等模型的開發與應用，為氣象預報開闢了新階段， 提高預測和風險管理能力 在極端事件日益突出的全球背景下，這些工具的不斷改進有望為專業用戶和一般大眾提供更有用的預測。
