以下文章来源于AI气象大模型，作者辽月

中期天气预报大模型由于网络结构的设计，对极端值的预报会有比较大的问题。针对极端值的预报，复旦大学人工智能创新与产业研究院伏羲气象大模型团队提出了FuXi-Extreme模型，明显提升了在极端降水和10m风速等近地面气象要素（TP/U/V/MSL/T2M）的预报精度。相关论文：https://arxiv.org/abs/2310.19822。

网络结构图如下，在之前伏羲大模型的基础上，又添加了diffusion model（扩散模型）模块。扩散模型模块单独训练后，再端到端训练。

CSI指标上，从下图所示，HRES 、FuXi 、FuXi-Extreme中，FuXi-Extreme最优。RMSE和ACC指标上，FuXi-Extreme与FuXi相近，略差一点。也就是说在RMSE和ACC指标不降低的情况下，明显提升了极端值的预报精度。

SEDI指标结合随格点经纬度、季节、和一天中的时间变化的阈值计算指标更合理。在SEDI指标上，FuXi-Extreme仍然做到了最优。

在台风上，也做了验证。选取Typhoon Rumbia (2018)发生的时间段，起报时间为2018年8月15日的第6、60、120小时预报结果，对比包括：ERA5、HRES、FuXi和FuXi-Extreme。

一个预报示例：

采用IBTrACS作为观测数据，复现EC tracker算法，从FuXi和FuXi-Extreme预报中提取TC预报结果，并与EC的HRES预报作为对比。TC Kong-Rey的预报评估结果：

统计2018年的多个台风，结果如下。可以看到，FuXi-Extreme预报的台风路径误差明显降低，但是强度相对于FuXi误差降低，但是仍不如HRES，这个也是后续持续改进的一个方向。

伏羲气象大模型团队招聘中：

1）上海科学智能研究院：要求AI背景，待遇比肩互联网，底层大模型技术研究、行业大模型技术开发、或者气象大模型（大模型算法专家招聘）。

2）复旦大学人工智能创新与产业研究院：人工智能方向博士后和博士生（需要有人工智能方向顶会或者期刊论文）。

联系方式：lihao_lh@fudan.edu.cn