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
下载盘古大模型 PANGULARGEMODELS用户手册完整版
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。
