Graphcast: modello previsionale Google basato su AI fino a 10 giorni

**MeTeo72** · 19/11/2023, 19:23

Originariamente Scritto da Musin

Forse non mi sono spiegato bene. Intendo un modello numerico tipo ecmwf che si avvalga anche di machine learning e che aiuti, ad esempio, ad eliminare configurazioni che numericamente risultano corrette ma che non si sono mai verificate.

Ok, così è più chiaro, non avevo capito e condivido.

Tempo fa mi era capitato di discutere con uno che si occupava di modelli numerici a proposito delle previsioni del tempo, mi diceva che un approccio tale da correggere l’errore, per esempio delle previsioni di ieri per oggi, proiettato a domani, non funzionerebbe perché le equazioni sono non lineari, quindi l’errore si propaga casualmente.

In questo contesto, quello che potrebbe fare un modello di machine learning è appunto togliere o correggere gli spaghi che si allo tanano di più da configurazioni già verificate, magari migliorando le performance dei modelli.

Inviato dal mio iPhone utilizzando Tapatalk

**burian br** · 19/11/2023, 20:26

GraphCast vede nel run 12Z di oggi un continuo flusso da N/NE sulla penisola, con fulcro sul Sud Italia. Dopo le 200 h sfonderebbe anche l'aria fredda (sotto lo zero a 850 hPa), a 240 h prevede isoterme sotto -6 sulle adriatiche.

Da qualche run percorre questa via orientale, ma è meno estremo nei gpt e nelle isoterme rispetto agli altri GM come UKMO o GFS. Rispetto a quest'ultimo, in particolare, vede tutto più ad est, e considerando un certo trend agli est shift chissà che alla fine non abbia ragione GraphCast.
Distante ECMWF che non vede nulla.

Vediamo come si comporterà a questo primo banco di prova, uno dei punti forti del modello è quello, dagli studi, di vedere con un errore minore di 100-150 km rispetto al GM tradizionale la traiettoria dei vari vettori meteorologici.

**Diego 14** · 20/11/2023, 20:31

Non so se è già stato spiegato. Considerando che i dataset di allenamento sono soggetti a bias e limiti vari, può essere un ostacolo rilevante per le proiezioni del modello?

**burian br** · 20/11/2023, 23:30

Originariamente Scritto da Diego 14

Non so se è già stato spiegato. Considerando che i dataset di allenamento sono soggetti a bias e limiti vari, può essere un ostacolo rilevante per le proiezioni del modello?

Intendi il fatto che le reanalisi sono comunque ricostruzioni e come tali risentono di come le si è ricostruite, cosa che può cambiare da modello a modello?

**Diego 14** · 21/11/2023, 07:58

Originariamente Scritto da burian br

Intendi il fatto che le reanalisi sono comunque ricostruzioni e come tali risentono di come le si è ricostruite, cosa che può cambiare da modello a modello?

Mi spiego meglio. Graphcast mi pare abbia usato Era5 come dataset che, nonostante sia uno dei migliori attualmente, risente comunque dei limiti di ricostruzione ed è magari affetto da qualche bias. Può essere che gli output di Graphcast siano influenzati da questi "limiti di ricostruzione"?

**burian br** · 21/11/2023, 11:42

Originariamente Scritto da Diego 14

Mi spiego meglio. Graphcast mi pare abbia usato Era5 come dataset che, nonostante sia uno dei migliori attualmente, risente comunque dei limiti di ricostruzione ed è magari affetto da qualche bias. Può essere che gli output di Graphcast siano influenzati da questi "limiti di ricostruzione"?

Sì, perchè fonda tutto sulle reanalisi Era5, quindi i limiti di queste influenzano anche il modello.

**burian br** · 08/12/2023, 03:01

Non riesco a trovare il grafico che avevo visto altrove sulle performance dei vari modelli e secondo il quale GraphCast superava tutti nelle ultime settimane.
Si tratta di poca cosa (+0.02 da quel che ricordo) ma comunque è interessante.

Da quel che ho consultato mi ha colpito come, pur usando metodi differenti, GraphCast dia dei run molto simili a quelli di ECMWF classico. E' però più costante, perchè laddove ECMWF cambia spesso visione proponendo run estremamente differenti nei long, GraphCast lo fa meno nettamente e più gradualmente.