الأبحاث ضمن الموضوع الرئيسي: الظواهر الجوية والمحاكاة
-
ACE2: التعلم بدقة لتقلبات الغلاف الجوي من دون موسم إلى عقد والاستجابات المفروضة
ACE2: accurately learning subseasonal to decadal atmospheric variability and forced responsesقسم “الطرق” يوضح التصميم التجريبي والتقنيات التحليلية المستخدمة في الدراسة. يتفصل في معايير اختيار المشاركين، التدخلات المحددة التي تم إدارتها، ومدة الدراسة. استخدم الباحثون إطار تجربة عشوائية محكومة لضمان موثوقية النتائج، مع تخصيص المشاركين إما لمجموعة العلاج أو مجموعة التحكم. شملت جمع البيانات تقييمات وقياسات موحدة، والتي تم تحليلها باستخدام طرق إحصائية مناسبة. شمل التحليل…
-
نموذج أساسي لنظام الأرض
A foundation model for the Earth systemتقدم هذه القسم نظرة عامة على أورا، نموذج أساسي واسع النطاق مصمم للتنبؤ الموثوق بنظام الأرض، وهو أمر حاسم للتخفيف من الكوارث وتقدم البشرية. النماذج العددية التقليدية، على الرغم من فعاليتها، تتطلب حسابات مكثفة، مما يدفع لاستكشاف الذكاء الاصطناعي (AI) كبديل أكثر كفاءة. تم تدريب أورا على أكثر من مليون ساعة من بيانات جيوفيزيائية متنوعة…
-
محاكاة متعددة السنوات بمقياس كيلومتر باستخدام نظام التنبؤ المتكامل المرتبط بـ FESOM2.5 و NEMOv3.4
Multi-year simulations at kilometre scale with the Integrated Forecasting System coupled to FESOM2.5 and NEMOv3.4تقدم هذه الورقة البحثية أول محاكاة عالمية مرتبطة على نطاق كيلومتر متعدد السنوات باستخدام نظام ECMWF للتنبؤ المتكامل (IFS) بالتعاون مع نماذج المحيطات والجليد البحري NEMO و FE-SOM، كجزء من مشروع H2020 لنماذج الأرض من الجيل التالي (nextGEMS). يركز البحث بشكل أساسي على إعداد IFS-FESOM، الذي يتميز بدقة جوية تبلغ 4.4 كم ودقة محيطية متغيرة…
-
نموذج تعلم آلي يتفوق على نماذج التنبؤ العالمية التقليدية على المدى الفرعي
A machine learning model that outperforms conventional global subseasonal forecast modelsقسم “طرق” يوضح الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. يتناول اختيار المشاركين، وتصميم التجارب، والتقنيات المحددة المستخدمة لجمع البيانات وتحليلها. استخدم الباحثون مجموعة من الطرق الكمية والنوعية لضمان فهم شامل للظواهر قيد التحقيق. تم إجراء التحليلات الإحصائية باستخدام أدوات البرمجيات لتقييم أهمية النتائج، مع اتخاذ تدابير مناسبة للتحكم في المتغيرات المربكة المحتملة. بالإضافة إلى ذلك،…
-
هل تنتج نماذج الذكاء الاصطناعي توقعات جوية أفضل من النماذج المعتمدة على الفيزياء؟ دراسة حالة تقييم كمية لعاصفة سياران
Do AI models produce better weather forecasts than physics-based models? A quantitative evaluation case study of Storm Ciaránفي هذه الدراسة، يقوم المؤلفون بتقييم أداء أربعة نماذج مختلفة من التعلم الآلي (ML) لتوقعات الطقس، جميعها مُهيأة من نفس تحليل ECMWF التشغيلي لتسهيل المقارنة المباشرة مع نموذج ECMWF عالي الدقة (CY48R1). تم تطوير نماذج ML باستخدام صندوق أدوات ai-models من ECMWF، وهي هياكل تعلم عميق ذاتية الانحدار تم تدريبها على حوالي أربعة عقود من…