Darwin-Prediction-Weather
система прогноза погоды и оценки рисков
2 min readupdated
Darwin-Prediction-Weather от компании VIDRAFT объединяет движок глобального прогнозирования погоды и ядро принятия решений на базе языковой модели Darwin-27B (25.62B параметров). Движок формирует глобальный численный прогноз, объединяя данные известных погодных моделей, а нейросетевое ядро переводит метеорологические поля в калиброванные вероятности для конкретных вопросов (например, «превысит ли температура порог» или «состоится ли запуск»). Модель построена на базе Darwin-27B-RSI с калиброванным выходным слоем ZTC (zero-temperature calibrated readout) и превосходит лидеров бенчмарка WeatherBench 2 по точности прогноза. Разработка пригодится метеорологам, аналитикам рисков, а также исследователям, работающим с климатическими данными и системами поддержки решений.
Ключевые особенности
- Рекордная точность прогноза: движок показывает наименьшую ошибку (RMSE) во всех 15 оцениваемых категориях детерминированного протокола WeatherBench 2 (2020), опережая WeatherMesh4 и GenCast.
- Вероятностные решения за один проход: ядро
Darwin-27Bпринимает состояние среды и типизированный вопрос, возвращая откалиброванные вероятности для каждого варианта ответа за один forward pass. - Умное объединение моделей: прогноз строится путём коррекции смещения по сетке и взвешенного слияния данных из шести источников (GenCast, IFS ENS, GraphCast, Pangu-Weather, FuXi и IFS HRES).
- Готовый сервер и инструменты: в репозитории помимо весов модели есть конфигурация движка (
engine_config.json), серверная часть (ztc_server.py) и утилитыautojev/.
Что можно сделать
- Оценивать погодные риски в бизнесе: настроить систему для автоматического принятия решений формата «go / no-go» (например, для логистики, энергетики или сельского хозяйства) на основе вероятности превышения пороговых значений.
- Развернуть сервис метеоаналитики: использовать комплектный скрипт
ztc_server.pyи конфигурациюengine_config.jsonдля поднятия локального API, отвечающего на вопросы о будущих погодных условиях. - Исследовать ансамблирование прогнозов: изучить таблицы стратегий слияния для разных переменных и сроков упреждения, подобранные на данных 2018 года без утечек из будущего.
Пример
На вход ядру Darwin-27B подаётся текущее метеорологическое состояние и формализованный вопрос — например, о превышении заданного порога температуры или выборе сценария («go / no-go»). За один проход (forward pass) модель возвращает откалиброванные вероятности для каждого варианта ответа, превращая сухие поля прогноза в готовую оценку риска.
Подробнее
Бенчмарк WeatherBench 2 (RMSE, 2020): температура на 2 м — 0.468 K (1 день) и 1.984 K (10 дней) против 0.488 K и 2.022 K у лучших моделей; геопотенциал Z500 — 33.7 и 595.4 m²/s²; температура T850 — 0.503 и 2.699 K.Архитектура и веса: 25.62 млрд параметров, идентичны
Darwin-27B-ZTC-v9 на основе Darwin-27B-RSI.Обучение и валидация: стратегии слияния выбраны на данных 2018 года и заморожены до оценки 2020 года; эталон — ERA5 (сетка 1.5°, 702 инициализации).
Лицензии: веса и код ядра решений — Apache 2.0, датасет прогнозов — CC BY-NC-SA 4.0.










Comments