英国谷歌深度思维科学家Ilan Price与合作者报道了一个机器学习模型，该模型名为“GenCast”，能根据当前和未来天气进行可靠的概率天气预报。该模型的表现超过了最好的传统中程天气预报，还能更好地预测极端天气、热带气旋路线和风能产量。相关研究近日发表于《自然》。

准确的天气预报对于个人、政府和组织的日常关键决策必不可少，这些决策包括是否带雨伞、评估风能产量或是极端天气规划。气象预报传统上使用数值天气预报法，这种方法估计当前天气，并基于此预测未来一段时间的天气（称为确定性预报）。这会产生大量潜在情景，通过结合这些情景就能进行天气预报。

研究者表示，GenCast机器学习天气预测方法能生成概率性预测，即根据当前和之前的天气状态预测未来天气的可能性。他们用40年（1979至2018年）的天气发生最佳估计分析数据训练了GenCast，使其能在8分钟内对超过80个表面和大气变量进行以12小时为单位的15天全球预报。相较于欧洲中期天气预报中心的集合预报（ENS），他们发现GenCast 在用于评估表现的1320个指标的97.2%的指标上都优于ENS。他们还发现，GenCast在预测极端天气、热带气旋路线和风能产量时更有效。

研究者指出，GenCast或能提供更高效、有效的天气预报，以支持实际规划。

相关论文信息：https://doi.org/10.1038/s41586-024-08252-9