Kürzlich hat das Europäische Zentrum für mittelfristige Wettervorhersage (ECMWF) zusammen mit den meteorologischen und hydrologischen Abteilungen mehrerer europäischer Länder gemeinsam einen Kooperationsplan namens „Anemoi“ ins Leben gerufen, um ein maschinell lernendes Wettervorhersagesystem zu entwickeln, das darauf abzielt, die bestmögliche Leistung zu erbringen Fortgeschrittene datengesteuerte Modelle sind eine Schlüsselkomponente, die meteorologischen und hydrologischen Abteilungen in europäischen Ländern dabei hilft, ihre eigenen Daten zum Trainieren und Ausführen von Modellen zu verwenden.
Anemoi baut auf dem vom ECMWF entwickelten experimentellen Artificial Intelligence Forecasting System (AIFS) auf und erweitert die AIFS-Codebasis weiter, um den Anforderungen eines breiteren Benutzerkreises gerecht zu werden. Sein Code ist auf GitHub frei verfügbar und jeder kann ihn nutzen oder mit einer Lizenz zu seiner Entwicklung beitragen.
Anemoi enthält mehrere Softwarepakete, die in der Python-Sprache geschrieben sind und verschiedene Aspekte des Wettervorhersageprozesses mit künstlicher Intelligenz abdecken. Die Anemoi-Datensatzkomponente kann für maschinelles Lernen optimierte Datensätze aus meteorologischen Daten und Beobachtungsdaten aus verschiedenen Quellen und verschiedenen Formaten generieren, um die Bereitstellung hochwertiger Daten zu gewährleisten. Hochwertige, konsistente und optimierte Daten für das Modelltraining können den Datenvorbereitungsprozess erheblich vereinfachen. Die Anemoi-Trainingskomponente bietet ein hohes Maß an Flexibilität, und Benutzer können die meisten Aspekte des Trainingsprozesses über Konfigurationsdateien ändern, ohne den zugrunde liegenden Code zu ändern Ist es nicht möglich, dass Meteorologen mit umfassenden Programmierkenntnissen mit datengesteuerten Wettervorhersagemodellen experimentieren, die auf Effizienz und minimalen Abhängigkeiten basieren und so einen reibungslosen Übergang von der Modellentwicklung zur Bereitstellung der Anemoi-Inferenzkomponente gewährleisten? auf ECMWF Erfahrung mit Modellen der künstlichen Intelligenz ermöglicht den schnellen Einsatz trainierter Modelle in Unternehmen; die Anemoi-Zeichenkomponente unterstützt die Erstellung benutzerdefinierter Diagramme und ermöglicht es Forschern, Diagramme einfach zu visualisieren.
Derzeit zieht Anemoi Vertreter des Spanischen Nationalen Meteorologischen Instituts, des Dänischen Meteorologischen Instituts, des Deutschen Meteorologischen Amtes, des Finnischen Meteorologischen Instituts, des Meteorologischen Dienstes der Italienischen Luftwaffe, des Königlich-Niederländischen Meteorologischen Instituts, des Norwegischen Meteorologischen Dienstes, Météo-France usw. an Beteiligung des Schweizerischen Wetterdienstes und des Königlichen Meteorologischen Dienstes Belgiens. Einige Länder haben Fortschritte bei der Erstellung von Modellen für maschinelles Lernen auf Basis von Anemoi gemacht. Beispielsweise hat das norwegische Wetteramt ein regionales Modell für Skandinavien erstellt, und das deutsche Wetteramt nutzt die Daten seines globalen numerischen Vorhersagemodells (ICON), um ein Modell namens „ AICON. Datengesteuertes Wettervorhersagemodell.