FengWu-W2S

模型介绍

FengWu-W2S（FengWu Weather-to-Subseasonal）是基于 FengWu 扩展的无缝天气到次季节全球预报模型。

论文：FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere

https://arxiv.org/abs/2411.10191

模型描述

该模型采用 6 小时步长进行最长 42 天自回归预报，并通过大气、海洋和陆面耦合以及多样性扰动增强延伸期预报能力。

适用场景

使用说明

1. OneCode 使用

可通过 OneCode 在线环境体验智能化一键式 AI4S 编程：

点击体验智能化一键式 AI4S 编程

2. 手动安装使用

硬件要求

• 推荐使用 GPU 或 DCU 运行。
• CPU 可以用于导入和小配置连通性验证，完整训练和推理速度较慢。
• DCU 用户需要预先安装 DTK，建议使用 DTK 25.04.2 以上版本或与当前集群匹配的 OneScience 推荐版本。

下载模型包

modelscope download --model OneScience/FengWu-W2S --local_dir ./FengWu-W2S
cd FengWu-W2S

安装运行环境

DCU环境

# 请首先激活DTK及CONDA
conda create -n onescience311 python=3.11 -y
conda activate onescience311
# 支持uv安装
pip install onescience[earth-dcu] -i http://mirrors.onescience.ai:3141/pypi/simple/  --trusted-host mirrors.onescience.ai

GPU环境

# 请首先激活CONDA
conda create -n onescience311 python=3.11 -y libstdcxx-ng=12 libgcc-ng=12 gcc_linux-64=12 gxx_linux-64=12
conda activate onescience311
# 支持uv安装
pip install onescience[earth-gpu] -i http://mirrors.onescience.ai:3141/pypi/simple/  --trusted-host mirrors.onescience.ai

训练数据介绍

OneScience 社区提供可供训练的 ERA5 数据（受数据文件大小限制，当前仓库内为完整数据切片），用户可通过下述命令下载，并确认 conf/config.yaml 中数据路径设置正确：

modelscope download --dataset OneScience/ERA5 --local_dir ./data

真实训练数据需要包含 conf/config.yaml 中列出的全部通道。用于快速检查时，可显式生成小网格合成数据，同于流程测试：

python scripts/fake_data.py

训练

单卡：

python scripts/train.py

多卡：

torchrun --nproc_per_node=2 scripts/train.py

基础训练检查点默认保存到 data/checkpoints/model_bak.pth。

训练权重

本仓库在 weights/ 文件夹内提供基于ERA5再分析数据训练的权重，权重文件即将上传，预计将于近期完成。

推理

python scripts/inference.py

推理需要项目训练产生的检查点，默认将逐时效预测保存到 result/output//，并写入 result/output/index.json。

评估和可视化

python scripts/result.py

脚本计算逐通道 RMSE、归一化 RMSE 和去气候态 ACC，并生成预报对比、时效技能、通道排序和训练损失图。

OneScience 官方信息

引用与许可证

• FengWu-W2S 论文：https://arxiv.org/abs/2411.10191 。
• 本目录是论文方法的独立复现，不代表论文作者发布的官方代码、权重或训练结果。