image

端到端的AI

Simba模型是一个基于大量transformer的千亿参数AI模型,与比如WRF在内的传统气象模式不同之处在于,Simba不计算任何PDE方程,不计算任何大气物理模式,仅依靠海量的数据进行AI训练。这使得Simba比传统模式迭代更快,预报也更快

image
image

50000倍

Simba的预报效率是传统模式计算的50000倍,推理时所需要的计算资源是原来的1/50000,这不仅意味着Simba的日常预报更加节能省电,还意味着大规模的集成预报和多模式预报(Ensemble Forecasting)变得现实,使预报精度能够得到进一步的提升

image
image

业界一流

在7日内的主要气象要素预报测试中,Simba超越ECMWF的HRES预报和NOAA的GFS预报精度水平,达到业界一流的7日短临预报精度。这代表无论是场站的功率预测,还是大范围的区域功率预测,Simba都提供了强有力的基底预报数据。

image
image
image
image

应对气候变化与极端天气

云端大算力定期进行重新训练和优化

  • 尽管概率很低,但未来总是可能出现过去几十年未曾出现过的天气变化image
  • 大地量子每个季度更新气象观测数据,进行线上重新训练,确保模型总是反映最新的气象变化image
  • 利用40年历史数据,Simba具有优秀的极端天气预测能力image
image

风场与辐照量的针对性优化

Simba针对难以预测的风场和云层进行优化

  • 影响风电出力主要是风场,影响光伏出力主要是云层变化image
  • 无论是风场还是云层,都是预测难度较高的气象要素image
  • Simba模型具有优秀的风场和云层预测能力image
image
image
image
image
image

卫星AI数据融合

对于传统模式来讲,数据越少越好,而对于AI模型来讲,数据越多越好

  • 大地量子在研发时同时使用静止轨道卫星数据进行高频数据同化image
  • 使用每10-15min更新一次的静止轨道卫星数据,参与模型训练与进行模型验证image
  • 大地量子利用数据融合技术,融合分析数据,再分析数据,气象站数据与静止卫星数据,一体化参与AI模型的训练image