响应示例 { "id": "baabcb565bb611eb8a0dfa163e3ddba1", "name": "demo-task", "created_at": "2024-07-31T10:30:49Z", "updated_at": "2024-07-31T10:30:49Z", "state": "PENDING", "input": { "type": "obs", "data": [ { "bucket": "bucket-name", "path": "path/to/data/" } ] }, "output": { "obs": { "bucket": "bucket-name", "path": "path/to/data/" } }, "config": { "start_time_begin": "2017010100", "start_time_end": "2017010200", "start_time_interval_hours": 6, "forecast_lead_hours": 168, "draw_figures": "true", "num_ensembles": 0, "ensemble_noise_method": "perlin", "ensemble_noise_perlin_scale": 0.1, "ensemble_noise_perlin_octave": 3, "ensemble_noise_perlin_x": 0.5, "ensemble_noise_perlin_y": 0.5 } }

URI GET /v1/{project_id}/alg-infer-job/ai4s/service/{deployment_id}/tasks/{task_id} 获取URI方式请参见请求URI。 表1 接口路径参数 参数 是否必选 参数类型 描述 project_id 是 String 项目ID，获取方法请参见获取项目ID。 deployment_id 是 String 模型的部署ID，获取方法请参见获取模型部署ID。 task_id 是 String 推理作业的ID。

响应参数 状态码： 200 表2 响应Body参数 参数 参数类型 描述 id String 推理作业ID。 name String 创建作业时设置的作业名称。 created_at String 作业创建时间，ISO 8601格式。 updated_at String 更新时间，ISO 8601格式。 state String 模型推理任务状态。 RUNNING：表示任务运行中。 PENDING：表示任务等待中。 SUCCEEDED：表示任务运行成功。 FAILED：表示任务运行失败。 input TaskInputDto object 输入数据的信息。 output TaskOutputDto object 输出数据的信息。 config TaskConfigDto object 科学计算大模型配置信息。 表3 TaskInputDto 参数 是否必选 参数类型 描述 type 是 String 存储类型，取值为obs。 data 是 Array of ObsStorageDto objects 输入数据的OBS信息。 表4 TaskOutputDto 参数 是否必选 参数类型 描述 obs 是 ObsStorageDtoobject 输出数据的OBS信息。 表5 ObsStorageDto 参数 是否必选 参数类型 描述 bucket 是 String 输入数据的OBS桶名称。 path 是 String 初始场数据的存放路径。 表6 TaskConfigDto 参数 是否必选 参数类型 描述 data_dirs 是 String 根据不同模型指定输入数据的OBS路径。由json体转换的字符串，格式如下{"model_tag": "obs://path/to/data/"}，model_tag与模型的对应关系请见表7。 start_time_begin 是 String 起报时间区间起点（YYYYMMDDHH时间戳）。 start_time_end 是 String 起报时间区间终点（YYYYMMDDHH时间戳）。 start_time_interval_hours 否 Long 起报时间间隔小时数，默认6。取值范围：[1, 24]。 forecast_lead_hours 否 Long 预报未来小时数，默认168，取值范围：[1, 720]。 draw_figures 否 String 是否输出结果图片，取值true/false，默认true。 num_ensembles 否 Long 集合数量。在气象预报中，集合预报是指对初始场加入一定程序的扰动，使其生成一组由不同初始场预报的天气预报结果，从而提供对未来天气状态的概率信息。这种方法可以更好地表达预报的不确定性，从而提高预报的准确性和可靠性。 取值范围：[2, 10]。 ensemble_noise_method 否 String 集合预报的加噪方式。可选：{"perlin"}。 peilin噪音通过对输入数据（比如空间坐标）进行随机扰动，让模拟出的天气接近真实世界中的变化。 ensemble_noise_perlin_scale 否 Double 集合预报的Perlin加噪scale。取值范围：(0, 0.5)。 ensemble_noise_perlin_octave 否 Long 用于选择集合预报的Perlin加噪octave。Perlin噪音的octave指的是噪音的频率，在生成Perlin噪音时，可以将多个不同频率的噪音叠加在一起，以增加噪音的复杂度和细节。每个频率的噪音称为一个octave，而叠加的octave数越多，噪音的复杂度也就越高。 取值范围：[1, 10)。 ensemble_noise_perlin_x 否 Double 用于选择集合预报的Perlin加噪x经度方向的尺度。 取值范围：[0, 1)。 ensemble_noise_perlin_y 否 Double 用于选择集合预报的Perlin加噪y纬度方向的尺度。 取值范围：[0, 1)。 表7 模型资产与model tag对应关系 模型资产名称 model tag Pangu-AI4S-Global-Weather global-weather Pangu-AI4S-Global-Precip global-precip Pangu-AI4S-Global-Ocean global-ocean Pangu-AI4S-Regional-Ocean regional-ocean Pangu-AI4S-Global-Ecology global-ecology Pangu-AI4S-Global-Swell global-swell Pangu-AI4S-Regional-Pollution regional-pollution Pangu-AI4S-Regional-Pollution-Tianrong regional-pollution

响应参数 状态码： 200 表2 响应Body参数 参数 参数类型 描述 id String 推理作业ID。 name String 作业名称。 created_at String 创建时间。 updated_at String 更新时间。 state String 任务状态。 RUNNING：表示任务运行中。 PENDING：表示任务等待中。 SUCCEEDED：表示任务运行成功。 FAILED：表示任务运行失败。 input TaskInputDto object 输入数据的信息。 output TaskOutputDto object 输出数据的信息。 config TaskConfigDto object 科学计算大模型配置信息。 表3 TaskInputDto 参数 参数类型 描述 type String 存储类型。 data Array of ObsStorageDto objects 输入数据的OBS信息。 表4 ObsStorageDto 参数 参数类型 描述 bucket String 输入数据的OBS桶名称。 path String 初始场数据的存放路径。 表5 TaskOutputDto 参数 参数类型 描述 obs ObsStorageDto object 输出数据的OBS信息。 表6 TaskConfigDto 参数 参数类型 描述 start_time_begin String 起报时间区间起点（YYYYMMDDHH时间戳）。 start_time_end String 起报时间区间终点（YYYYMMDDHH时间戳）。 start_time_interval_hours Long 起报时间间隔小时数，默认6。 forecast_lead_hours Long 预报未来小时数，默认168。 draw_figures String 是否输出结果图片，取值true/false，默认true。 num_ensembles Long 集合成员数量。 ensemble_noise_method String 集合预报的加噪方式。 ensemble_noise_perlin_scale Double 集合预报的Perlin加噪scale。 ensemble_noise_perlin_octave Long 集合预报的Perlin加噪octave。 ensemble_noise_perlin_x Double 集合预报的Perlin加噪x。 ensemble_noise_perlin_y Double 集合预报的Perlin加噪y。

响应示例 { "id": "baabcb565bb611eb8a0dfa163e3ddba1", "name": "demo-task", "created_at": "2024-07-31T10:30:49Z", "updated_at": "2024-07-31T10:30:49Z", "state": "PENDING", "input": { "type": "obs", "data": [ { "bucket": "bucket-name", "path": "path/to/data/" } ] }, "output": { "obs": { "bucket": "bucket-name", "path": "path/to/data/" } }, "config": { "start_time_begin": "2017010100", "start_time_end": "2017010200", "start_time_interval_hours": 6, "forecast_lead_hours": 168, "draw_figures": "true", "num_ensembles": 0, "ensemble_noise_method": "perlin", "ensemble_noise_perlin_scale": 0.1, "ensemble_noise_perlin_octave": 3, "ensemble_noise_perlin_x": 0.5, "ensemble_noise_perlin_y": 0.5 } }

URI GET /v1/{project_id}/alg-infer-job/ai4s/service/{deployment_id}/tasks/{task_id} 获取URI方式请参见请求URI。 表1 接口路径参数 参数 是否必选 参数类型 描述 project_id 是 String 项目ID，获取方法请参见获取项目ID。 deployment_id 是 String 模型的部署ID，获取方法请参见获取模型部署ID。 task_id 是 String 推理作业的ID。

请求参数 使用Token认证方式的请求Header参数见表2。 表2 请求Header参数（Token认证） 参数 是否必选 参数类型 描述 X-Auth-Token 是 String 用户Token。 用于获取操作API的权限。 获取Token 接口响应消息头中X-Subject-Token的值即为Token。 Content-Type 是 String 发送的实体的MIME类型，参数值为“application/json”。 使用API Key认证方式的请求Header参数见表3。 表3 请求Header参数（API Key认证） 参数 是否必选 参数类型 描述 X-Apig-AppCode 是 String API Key值。 用于获取操作API的权限。API Key认证响应消息头中X-Apig-AppCode的值即为API Key。 Content-Type 是 String 发送的实体的MIME类型，参数值为“application/json”。 表4 请求Body参数 参数 是否必选 参数类型 描述 name 是 String 推理作业的名称。 input 是 TaskInputDto object 输入数据的信息。 output 是 TaskOutputDto object 输出数据的信息。 config 是 TaskConfigDto object 科学计算大模型配置信息。 表5 TaskInputDto 参数 是否必选 参数类型 描述 type 是 String 存储类型，取值为obs。 data 是 Array of ObsStorageDto objects 输入数据的OBS信息。 表6 ObsStorageDto 参数 是否必选 参数类型 描述 bucket 是 String 输入数据的OBS桶名称。 path 是 String 初始场数据的存放路径。 表7 TaskOutputDto 参数 是否必选 参数类型 描述 obs 是 ObsStorageDto object 输出数据的OBS信息。 表8 TaskConfigDto 参数 是否必选 参数类型 描述 start_time_begin 是 String 起报时间区间起点（YYYYMMDDHH时间戳）。 start_time_end 是 String 起报时间区间终点（YYYYMMDDHH时间戳）。 start_time_interval_hours 否 Long 起报时间间隔小时数，默认6。取值范围：[1, 24]。 forecast_lead_hours 否 Long 预报未来小时数，默认168，取值范围：[1, 720]。 draw_figures 否 String 是否输出结果图片，取值true/false，默认true。 num_ensembles 否 Long 集合数量。在气象预报中，集合预报是指对初始场加入一定程序的扰动，使其生成一组由不同初始场预报的天气预报结果，从而提供对未来天气状态的概率信息。这种方法可以更好地表达预报的不确定性，从而提高预报的准确性和可靠性。 取值范围：[2, 10]。 ensemble_noise_method 否 String 集合预报的加噪方式。可选：{"perlin"}。 peilin噪音通过对输入数据（比如空间坐标）进行随机扰动，让模拟出的天气接近真实世界中的变化。 ensemble_noise_perlin_scale 否 Double 集合预报的Perlin加噪scale。取值范围：(0, 0.5)。 ensemble_noise_perlin_octave 否 Long 用于选择集合预报的Perlin加噪octave。Perlin噪音的octave指的是噪音的频率，在生成Perlin噪音时，可以将多个不同频率的噪音叠加在一起，以增加噪音的复杂度和细节。每个频率的噪音称为一个octave，而叠加的octave数越多，噪音的复杂度也就越高。 取值范围：[1, 10)。 ensemble_noise_perlin_x 否 Double 用于选择集合预报的Perlin加噪x经度方向的尺度。 取值范围：[0, 1)。 ensemble_noise_perlin_y 否 Double 用于选择集合预报的Perlin加噪y纬度方向的尺度。 取值范围：[0, 1)。 表9 全球中期天气要素预测模型、降水模型信息表 模型 预报层次 预报高空变量 预报表面变量 降水 时间分辨率 水平分辨率 区域范围 全球中期天气要素预测模型 13层（1000hpa, 925hpa, 850hpa, 700hpa, 600hpa, 500hpa, 400hpa, 300hpa, 250hpa, 200hpa, 150hpa, 100hpa, 50hpa） T：温度 Q：比湿 Z：重力位势 U：U风 V：V风 MLSP：海平面气压 U10：10米U风，经度方向 V10：10米V风，纬度方向 T2M：2米温度 - 1、3、6、24小时 0.25°*0.25° 全球 降水基模型 13层（1000hpa, 925hpa, 850hpa, 700hpa, 600hpa, 500hpa, 400hpa, 300hpa, 250hpa, 200hpa, 150hpa, 100hpa, 50hpa） T：温度 Q：比湿 Z：重力位势 U：U风 V：V风 MLSP：海平面气压 U10：10米U风，经度方向 V10：10米V风，纬度方向 T2M：2米温度 PRECIP6：过去6h累计降水 PRECIP24：过去24h累计降水 1、3、6、24小时 0.25°*0.25° 全球

请求示例 { "name" : "demo-task", "input" : { "type" : "obs", "data" : [ { "bucket" : "bucket", "path" : "path/to/directory/" } ] }, "output" : { "obs" : { "bucket" : "bucket", "path" : "path/to/directory/" } }, "config" : { "start_time_begin" : 2017010100, "start_time_end" : 2017010200, "start_time_interval_hours" : 1, "forecast_lead_hours" : 1, "num_ensembles" : 2, "ensemble_noise_method" : "perlin", "ensemble_noise_perlin_scale" : 0.1, "ensemble_noise_perlin_octave" : 1, "ensemble_noise_perlin_x" : 0.2, "ensemble_noise_perlin_y" : 0.2, "draw_figures" : "true" } }