引导式测验 · 中等 等级
人工智能天气预报测验
比较 GraphCast 和 GenCast 方法、数据集和评估范围，而不将基准视为通用预测。
问题 1 的 8
GraphCast 等领先的人工智能天气模型主要使用哪些数据集进行训练？
预览每个问题8 问题
当您参加测验时，就会出现答案和解释。
- GraphCast 等领先的人工智能天气模型主要使用哪些数据集进行训练？
- ERA5 对大约 40 年全球天气的重新分析
- 仅直播卫星视频
- 美国雷达单年数据
- 手工标记的风暴照片
- 像 GraphCast 这样的人工智能模型与传统的数值天气预报有何根本区别？
- 它在同一台超级计算机上更快地求解物理方程
- 它从过去的数据中学习模式，而不是模拟大气物理
- 它只预测温度，没有其他
- 它不需要有关当前大气的输入数据
- GraphCast 如何从 6 小时的预测步骤生成 10 天的预测？
- 它运行 40 个独立的模型
- 它在今天和第 10 天之间线性插值
- 它反复（自回归）反馈自己的输出
- 它平均十个不同的卫星图像
- GraphCast 论文报告在单个 Google Cloud TPU v4 上生成 10 天的全球预测大约需要多长时间？
- 约6小时
- 整整两天
- 一星期
- 一分钟以内
- GraphCast 论文在 1,380 个验证目标中报告了哪些结果？
- 它在 90% 的评估目标上优于操作确定性基线
- 在各种天气情况下，它在每个目标上都表现出色
- 它与所有目标的一半完全匹配基线
- 仅对一个热带气旋进行了评估
- 与单一确定性预测相比，GenCast 模型增加了什么？
- 更高分辨率的卫星图像
- 量化不确定性的概率集合预测
- 自动新闻报道
- 所有雷达系统的替代品
- GraphCast 对大气变量使用什么空间表示？
- 纯文本标记序列
- 每个纬度有一个不相连的像素
- 使用图神经网络处理的高分辨率多尺度网格
- 没有学习图的固定查找表
- GenCast 在其论文中报告了哪些预测范围和时间间隔？
- 以 1 分钟为步长的 1 天区域预报
- 以 24 小时为步长的 6 小时预报
- 无时间步长的 30 天气候平均值
- 以 12 小时为步长的 15 天全球预报