如何基于大模型在电脑上，创建您自己的人工智能天气预报，使用预先训练的模型和重新分析数据

使用预先训练的模型创建数据驱动的天气预报成本低廉，并且可以提供与已建立的数值天气模型相当的准确度的预报。多家公司和研究实验室已经开发了人工智能天气模型，包括：

• 盘古天气【华为】
• FourCastNet [NVIDIA]
• GraphCast [谷歌 DeepMind ]

欧洲中期天气预报中心 (ECMWF) 提供了使用这些模型生成天气预报的例程 [1]。尽管建议使用 GPU，但模型推理甚至可以在笔记本电脑上执行。

在这篇文章中，我将

• 向您展示如何创建自己的人工智能天气预报
• 比较 GPU 和 CPU 上模型的推理时间
• 可视化 PanguWeather 和 FourCastNet 的天气预报，包括温度、水蒸气和急流

背景资料

传统上，天气预报依赖于在全球网格上求解的数值天气模型。这需要大量的计算资源，并且世界上只有少数气象服务具备生成全球天气预报的能力。

人工智能天气模型是根据过去的天气进行训练的，称为再分析数据。利用经过训练的模型和当前的天气状态，只需使用数值天气预报所需计算资源的一小部分即可生成天气预报。该示意图显示了人工智能天气预报如何使用当前天气作为输入来预测未来天气：

![AI天气预报示意图。左：2021 年 1 月 1 日 00:00 UTC 时的风场。右图：2021 年 1 月 1 日 23:00 UTC 时的风场。数据：ERA5，来自哥白尼气候数据存储 3

本文涵盖的所有三个人工智能