机构名称：
¥ 1.0
背景 高影响天气 (HIW) 事件对社会造成毁灭性影响，造成人员伤亡、基础设施退化和巨大的经济影响。从气象角度来看，强降水事件、破坏性雷暴和强风是影响最大的事件，具有各种严重的间接影响，例如洪水、山体滑坡和海洋淹没。HIW 事件很少见，位于天气事件气候分布的尾部。尽管法国气象局等气象服务在过去几十年中在预测天气方面取得了重大进展，但准确预测 HIW 的发生、强度、位置和时间仍然具有挑战性。目前，实际天气预报依赖于基于物理的建模方法，数值天气预报 (NWP) 模型每天都在运行，以确定未来的大气状态和 HIW 风险。具体而言，集合预报系统 (EPS) 旨在对未来大气状态的概率分布进行采样。它们包括运行多个 NWP 预报，以解释不同的不确定性来源。在法国气象局，运行 16 个扰动预报、空间分辨率为 1.3 公里的扰动预报的 AROME-EPS 用于预测 HIW 的风险。但是，正确捕获相关的不确定性需要非常高分辨率（几百米）的大型（几百个成员）集合。尽管如此，由于相关的计算成本，这种增强系统目前不适用于运行 NWP。在此背景下，POESY 项目的主要目标是探索创新混合 EPS 设计的科学可行性和相关性，将标准物理建模与计算效率高的人工智能 (AI) 技术相结合，以便对高影响天气产生破坏性概率预报。
法国气象局 (CNRM) 数值人工智能职位空缺
主要关键词
相关文件推荐
