Logo
ScienceStack
Table of Contents
Fetching ...
Sign In

Prévisions météorologiques basées sur l'intelligence artificielle : une révolution peut en cacher une autre

Zied Ben-Bouallegue, Mariana C A Clare, Matthieu Chevallier

Abstract

Artificial intelligence (AI), based on deep-learning algorithm using high-quality reanalysis datasets, is showing enormous potential for weather forecasting. In this context, the European Centre for Medium-Range Weather Forecasts (ECMWF) is developing a new forecasting system based on AI. Verification results of deterministic forecast for now are promising. However, the realism of weather forecasts based on AI is often questioned. Here, different types of realism are identified and we discuss, in particular, the relationship between structural realism and predictability of weather events. Furthermore, a statistical analysis of deterministic forecasts based on AI points to a realism/performance dilemma that a probabilistic approach should help to solve. -- L'intelligence artificielle (IA) bouleverse aujourd'hui le monde de la prévision météorologique avec l'utilisation d'algorithmes d'apprentissage profond nourris par des champs de réanalyses. Dans ce contexte, le Centre Européen pour les Prévisions Météorologiques à Moyen Terme (CEPMMT) a décidé de développer un nouveau système de prévisions resposant sur l'IA. Ces prévisions, pour le moment de type déterministe, montrent des résultats prometteurs. Toutefois, le réalisme de ce type de prévisions reposant sur l'IA est souvent questionné. Ici, nous identifions différents types de réalisme et interrogeons notamment le rapport entre réalisme structurel et prévisibilité des évênements météorologiques. Une analyse statistique de prévisions déterministes reposant sur l'IA laisse apparaitre un dilemme réalisme/performance qu'une approche probabiliste devrait aider à résoudre.

Prévisions météorologiques basées sur l'intelligence artificielle : une révolution peut en cacher une autre

Abstract

Artificial intelligence (AI), based on deep-learning algorithm using high-quality reanalysis datasets, is showing enormous potential for weather forecasting. In this context, the European Centre for Medium-Range Weather Forecasts (ECMWF) is developing a new forecasting system based on AI. Verification results of deterministic forecast for now are promising. However, the realism of weather forecasts based on AI is often questioned. Here, different types of realism are identified and we discuss, in particular, the relationship between structural realism and predictability of weather events. Furthermore, a statistical analysis of deterministic forecasts based on AI points to a realism/performance dilemma that a probabilistic approach should help to solve. -- L'intelligence artificielle (IA) bouleverse aujourd'hui le monde de la prévision météorologique avec l'utilisation d'algorithmes d'apprentissage profond nourris par des champs de réanalyses. Dans ce contexte, le Centre Européen pour les Prévisions Météorologiques à Moyen Terme (CEPMMT) a décidé de développer un nouveau système de prévisions resposant sur l'IA. Ces prévisions, pour le moment de type déterministe, montrent des résultats prometteurs. Toutefois, le réalisme de ce type de prévisions reposant sur l'IA est souvent questionné. Ici, nous identifions différents types de réalisme et interrogeons notamment le rapport entre réalisme structurel et prévisibilité des évênements météorologiques. Une analyse statistique de prévisions déterministes reposant sur l'IA laisse apparaitre un dilemme réalisme/performance qu'une approche probabiliste devrait aider à résoudre.
Paper Structure (6 sections, 4 figures)

This paper contains 6 sections, 4 figures.

Table of Contents

  1. AIFS: un nouveau modèle pour le Centre Européen
  2. AIFS et le réalisme des prévisions reposant sur l’IA
  3. Réalisme structurel et prévisibilité
  4. Les limites de la prévision déterministe reposant sur l’IA
  5. Perspectives
  6. Bibliographie

Figures (4)

  • Figure 1: Qualité des prévisions météorologiques sur les deux dernières décennies en termes de corrélation des anomalies du géo-potentiel à 500hPa pour l'hémisphère nord, en été (Summer) et en hiver (Winter). Les résultats de AIFS pour l'année 2023 sont indiqués par une étoile.
  • Figure 2: Prévisions de vents (en plages de couleur) et de la pression au niveau de la mer (en contours) à une échéance de 2 jours et champs de (ré)analyse correspondante. a) IFS, b) AIFS, c) analyse opérationnelle et d) ERA5, toutes valides pour le 22 janvier 2024.
  • Figure 3: Spectres de puissance pour des prévisions du géo-potentiel à 500hPa (Z500) à des échéances de : a) 2 jours et b) 6 jours comparés à ceux de l'analyse opérationnelle de l’IFS (en noir). A noter que le spectre des prévisions IFS n’est pas montré ici parce que quasi identique à celui de l’analyse. Résultats pour la période allant du 1er juin 2022 au 31 août 2022. A noter que l'échelle décroit lorsque l'abscisse croît.
  • Figure 4: a) erreur quadratique moyenne (RMSE) et b) activité moyenne (activity). c) Diagramme d’activité/erreur relatives (relative accuracy) pour deux échéances : à 2 jour (Day 2) et à 6 jours (Day 6).