Краткое содержание

arXiv:2504.18720v2 Тип объявления: replace Аннотация: Глубокое обучение продвинуло вперед прогнозирование погоды, но для точных предсказаний сначала необходимо определить текущее состояние атмосферы по данным наблюдений. В этой работе мы представляем Appa — модель ассимиляции данных на основе оценок, которая генерирует глобальные атмосферные траектории с разрешением 0,25° и часовыми интервалами. Оснащенная латентной диффузионной моделью с 565 миллионами параметров, обученной на данных ERA5, модель Appa может быть настроена на произвольные наблюдения для вывода правдоподобных траекторий без переобучения. Наша вероятностная структура обрабатывает реанализ, фильтрацию и прогнозирование в рамках единой модели, создавая физически согласованные реконструкции из различных входных данных. Результаты устанавливают латентную ассимиляцию данных на основе оценок как перспективную основу для будущих систем глобального моделирования атмосферы.