AI气象模型
运梦气象 API 工程博客「AI气象模型」专题，汇集GraphCast、Pangu、FuXi、AIFS 等 AI 气象大模型的原理、评测基准与新能源场景落地。覆盖 ERA5 历史再分析、德国气象局短期数值预报与光伏、风电功率预测的工程落地，服务新能源研发与算法团队。
气象大数据AI 气象大模型如何落地新能源功率预测
梳理 GraphCast、Pangu-Weather、FourCastNet、FengWu、AIFS 五大 AI 气象模型的核实事实与关键数字，讲清它们如何作为气象输入接入风电光伏功率预测，并给出运梦气象 API 的上手示例与边界限定。
气象大数据FengWu 风乌解读：把中期预报技巧推过 10 天
解读上海人工智能实验室 FengWu（风乌，arXiv 2023）：多模态多任务架构、0.25° 网格、37 层、39 年 ERA5 训练，首次把 z500 有效预报技巧推到 10.75 天，并映射到运梦气象 API 的 ERA5 与德国气象局双数据源落地。
气象大数据ECMWF AIFS 解读：业务级数据驱动预报系统
AIFS 是 ECMWF 的数据驱动预报系统（arXiv:2406.01465），确定性版 2025 年 2 月、集合版 7 月相继业务化。本文解读其 GNN+Transformer 架构、ERA5 训练与多项核实数字，及对风电光伏功率预测的意义。
气象大数据FuXi 解读：级联机器学习把全球预报推到 15 天
解读复旦团队 FuXi（npj Climate and Atmospheric Science 2023）：三段级联（短/中/长）U-Transformer、0.25° 网格、39 年 ERA5 训练，15 天预报技巧比肩 ECMWF 集合均值，并映射到运梦气象 API 的 ERA5 与德国气象局双数据源落地。
气象大数据Aurora 解读：大气基础模型与新能源气象应用
Aurora（Nature 2025，Microsoft）是 13 亿参数的地球系统基础模型，预训练超百万小时数据，覆盖天气、空气质量、海浪、台风路径多任务。本文解读其预训练-微调范式与对风电光伏功率预测的意义。
气象大数据NeuralGCM 解读：物理与机器学习混合的气候模式
NeuralGCM（Nature 2024，Google Research）把可微分动力核与神经网络参数化结合，1–15 天预报对标 ECMWF-ENS，气候积分可稳定数十年。本文解读其混合架构、评测口径，及对新能源功率预测与资源评估的意义。
气象大数据FourCastNet 解读：傅里叶神经算子的全球天气预报
FourCastNet（Pathak 等，arXiv 2022，NVIDIA）用自适应傅里叶神经算子在 0.25° 全球网格上做数据驱动预报，一周预报不到 2 秒。本文解读 AFNO 机制、ERA5 训练与对标 IFS 口径，及对风电光伏功率预测的意义。
气象大数据GenCast 论文解读：扩散模型如何把 AI 气象推向概率预报前沿
Nature 2024 的 GenCast 由 Google DeepMind 团队提出，把扩散模型适配到地球球面几何，生成 15 天集合概率预报，并在多数指标上优于 ECMWF ENS。本文解读其方法、数据与结论，并梳理对风电光伏资源评估、功率预测与 ERA5 历史气象数据使用的意义。
气象大数据WeatherBench 2 解读：AI 气象大模型的统一基准与公平裁判
为 WeatherBench 2（arXiv 2023，JAMES 2024）撰写的中文解读：它如何用 ERA5 真值、统一指标与持续排行榜，为 GraphCast、Pangu-Weather 等 AI 气象大模型与传统 NWP 建立公平基准，并落地风电光伏取数。
气象大数据Pangu-Weather 解读：3D 神经网络如何重塑中期全球天气预报
解读华为云 Pangu-Weather（Nature 2023）：3D Earth-Specific Transformer 与分层时间聚合、39 年逐小时 ERA5 训练、约 2.56 亿参数，推理较传统 NWP 提速约一万倍，并映射到运梦气象 API 的 ERA5 与德国气象局双数据源落地。
气象大数据GraphCast 解读：图神经网络改写中期天气预报，对新能源的意义
GraphCast（Science 2023，Google DeepMind）以图神经网络在 1 分钟内输出未来 10 天全球预报，多数指标超越 ECMWF-HRES。本文解读其方法、ERA5 训练与评测口径，及对新能源资源评估与功率预测的意义。