2024-2025学年北京市通州区高二（上）期中语文试卷.doc

第PAGE1页（共NUMPAGES1页）

2024-2025学年北京市通州区高二（上）期中语文试卷

一、本大题共1小题，共18分。

1．（18分）阅读下面材料，完成下列各题。

材料一

近日，国家自然科学基金委员会发布了2023年度“中国科学十大进展”，其中，AI气象大模型（也称气象大模型）为精准天气预报带来新突破，位列第一。

气象大模型是指基于人工智能（AI）的天气预报模型，它结合云计算和深度学习技术，主要对大量历史气象观测数据进行识别训练，进而对未来天气进行预测。与传统数值天气预报方法最大的区别在于，它不依赖大气动力学方程，预测过程的计算强度要小得多。它可以在小型计算机上用几分钟甚至几秒钟完成预测，实现了预测精准度和计算效率的双重提升。目前全球所使用的气象大模型主要有华为开发的盘古、复旦大学开发的伏羲、上海人工智能实验室开发的风乌、谷歌DeepMind开发的GraphCast等气象大模型的种类和数量还在不断增加。

这类模型不仅能预报常见的地表和大气变量，还能处理复杂的气候动态和模式。一些模型还融入了生成对抗网络和强化学习技术，以提升预测的准确性。这些技术的结合进一步提高了气象预报的运算效率和空间分辨率等性能，使得气象大模型在处理大规模数据、实时分析和极端天气事件预测方面表现优异。

盘古大模型经过全球天气再分析数据训练，能准确预报7天内多层气象要素，相比欧洲数值天气预报模式，预报时效提高约0.6天，热带气旋路径预报误差降低25%。风乌模型成功预测了“泰利”“卡努”等台风的路径，为台风预报、预警提供了有力的支持。伏羲2.0版本纳入风浪、涌浪、海温等要素，提升了全球风、浪、流、能见度等预测精准度。

这些模型各有其独特的优势和应用场景，从极短期预报到长期全球天气变化的预测，都展示了AI技术在气象领域的巨大潜力。目前，气象大模型的应用场景正快速从传统的天气预报向更广泛的领域拓展，在新能源、航空运输、农业等领域不断得到应用。

当然，气象大模型只有与其他技术和产业相互交融，才能真正发挥其价值。加强产学研合作，构建开放共享的平台，推动气象大模型的落地应用，将有效促进智能气象生态系统的构建。然而，大模型还存在模型参数不确定性、前期研发成本高昂等局限性，需要不断改进和优化。

（取材于唐干琛等的相关文章）

材料二

传统天气预报主要依靠数值天气预报模式。该模式基于流体力学和热力学的物理规律来构建大气动力学方程，并用超级计算机求解这些方程，进而预测未来7到10天的天气状况。这一模式一般都有伴随的观测资料的同化系统，将地面、卫星、雷达等各种观测数据融合到大气动力学方程中求解，以此提升预测结果的精准度。常见的数值天气预报模式有欧洲数值预报模式、中国数值预报模式、北美数值预报模式等，其中的欧洲数值预报模式是公认的最精确的传统数值天气预报模式。

传统数值天气预报模式，会给出某一时刻大气变量在三维空间上的分布，如风场、温度场、湿度场、气压场等，一般用这些预报场和实际观测（包括地面站点、探空、遥感探测等）的变量相比较，两者的相关系数越大则天气预测越准确。这类数值天气预报模型对计算能力有着极高要求，运行昂贵而且耗时，精准度也常常受到限制。

数十年来，科学家们不断完善复杂的大气动力学方程系统，力求更准确地描述大气的变化动态。然而在精准预报方面，传统数值天气预报模式却面临着难以克服的难题。气象预报涉及数学、物理、计算机等多个学科领域，影响大气系统的过程又很复杂，包含物理和化学过程，跨越不同时间和空间尺度，因此数值预报模式难以准确模拟这些复杂过程。

与传统数值天气预报模式通过数值求解数学方程、大气动力学方程等方式不同，气象大模型基于深度学习技术，对气象大数据进行学习并建立模型、一旦完成训练，这些大模型就可以开展天气预报工作。相比传统数值预报，大模型预测的精准度大幅提升，运行速度更快，例如盘古气象大模型，比传统数值天气预报快1万倍。同时，这些模型还可以在个人电脑上运行，只需几分钟就能给出未来7到10天的预报结果。

气象大模型取得突破性进展，除了人工智能技术的快速发展外，一个重要原因在于依靠高质量的气象数据。这些气象数据是基于传统数值天气模式并融合观测数据获得的，经过多年的发展和验证，具有极高的气象价值。做好这些数据的开发利用，将进一步推动大模型的发展。

目前，气象大模型还无法完全取代传统数值天气预报模式。技术上，当下的气象大模型尚缺乏数值预报直接同化观测数据的能力，对其预报水平有所影响；算力上，大模型的训练也需要大量计算资源，随着训练数据参数的进一步大幅度提升，大模型训练时需要的计算能力也会成为一种制约。

（取材于朱俊骏等的相关文章）

（1）根据材料一，下列关于气象大模型的表述，不正确的一项是（）

A．2023年出现并取得巨大进展。

B．可在小型计算机上快速预