盘古大模型 PANGULARGEMODELS-科学计算大模型训练流程与选择建议:科学计算大模型选择建议
科学计算大模型选择建议
科学计算大模型支持训练的模型类型有:中期天气要素预测模型、区域中期海洋智能预测模型。
- 中期天气要素预测模型选择建议:
科学计算大模型的中期天气要素预测模型,可以对未来一段时间的天气进行预测,具备以下优势:
- 高时间精度:中期天气要素预测模型可以预测未来1、3、6、24小时的天气情况。高时间精度对于农业、交通、能源等领域的决策和规划非常重要。
- 全球覆盖:中期天气要素预测模型能够在全球范围内进行预测,不仅仅局限于某个地区。它的分辨率相当于赤道附近每个点约25公里*25公里的空间。
- 数据驱动:中期天气要素预测模型使用历史天气数据来训练模型,从而提高预测的准确性。这意味着它可以直接利用过去的观测数据,而不仅仅依赖于数值模型。
中期天气要素预测模型信息见表1。
表1 中期天气要素预测模型信息 模型
预报层次
预报高空变量
预报表面变量
降水
时间分辨率
水平分辨率
区域范围
中期天气要素预测模型
13层(1000hpa, 925hpa, 850hpa, 700hpa, 600hpa, 500hpa, 400hpa, 300hpa, 250hpa, 200hpa, 150hpa, 100hpa, 50hpa)
T:温度
Q:比湿
Z:重力位势
U:U风
V:V风
MLSP:海平面气压
U10:10米U风,经度方向
V10:10米V风,纬度方向
T2M:2米温度
-
1、3、6、24小时
0.25°*0.25°
全球
该模型类型主要用于天气基础要素预测,支持训练的模型清单见表2,您可根据具体使用场景选择合适的模型。例如天气基础要素预测,需要时间分辨率为1小时的场景下,您可以选择Pangu-AI4S-Weather_1h-20241030模型。表2 中期天气要素预测模型的类型 模型支持区域
模型名称
使用场景
说明
西南-贵阳一
Pangu-AI4S-Weather_1h-20241030
用于天气基础要素预测,时间分辨率为1小时。
支持预训练、微调、在线推理、能力调测特性,基于Snt9B33,支持1个训练单元训练及1个推理单元部署。
Pangu-AI4S-Weather_3h-20241030
用于天气基础要素预测,时间分辨率为3小时。
支持预训练、微调、在线推理、能力调测特性,基于Snt9B3,支持1个训练单元训练及1个推理单元部署。
Pangu-AI4S-Weather_6h-20241030
用于天气基础要素预测,时间分辨率为6小时。
支持预训练、微调、在线推理、能力调测特性,基于Snt9B3,支持1个训练单元训练及1个推理单元部署。
Pangu-AI4S-Weather_24h-20241030
用于天气基础要素预测,时间分辨率为24小时。
支持预训练、微调、在线推理、能力调测特性,基于Snt9B3,支持1个训练单元训练及1个推理单元部署。
- 区域中期海洋智能预测模型选择建议:
科学计算大模型的中期海洋智能预测模型,可以对未来一段时间海洋要素进行预测。可为海上防灾减灾,指导合理开发和保护渔业等方面有着重要作用。区域中期海洋智能预测模型当前主要包括区域海洋要素模型,信息见表3。
表3 区域中期海洋智能预测模型信息 模型
深海层深
预报深海变量
预报海表变量
时间分辨率
水平分辨率
区域范围
区域海洋要素模型
0m, 6m, 10m, 20m, 30m, 50m, 70m, 100m, 125m,
150m, 200m, 250m, 300m, 400m, 500m
T:海温(℃)
S:海盐(PSU)
U:海流经向速率 (ms-1)
V:海流纬向速率 (ms-1)
SSH:海表高度(m)
24h
1/12°
特定区域
该模型类型主要用于区域海洋基础要素预测,支持训练的模型清单见表4,您可根据具体使用场景选择合适的模型。例如区域海洋基础要素预测场景下,您可以选择Pangu-AI4S-Ocean_Regional_24h-20241030模型。