开发了一个名为概率偏差校正（PBC）的新机器学习框架，以提高次季节性天气预报的准确性，该预报通常在两周后会下降。PBC通过学习校正历史概率预报来工作，从而减少系统性误差。在对欧洲中期天气预报中心（ECMWF）的领先人工智能和动力学模型进行测试时，PBC使人工智能预报系统的技能翻倍，并显著提高了业务动力学模型对压力、温度和降水的预测。在实时预报竞赛中，PBC增强的全球预报的表现优于六个业务中心和34个其他团队的预报。 AI
影响 提高了次季节性天气预报的准确性，可能改善灾害准备和资源管理。
排序理由 详细介绍用于天气预报的新机器学习框架的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
- AI Forecasting System
- Dynamical Subseasonal Forecasts
- European Centre for Medium-Range Weather Forecasts
- Probabilistic Bias Correction
- Soukayna Mouatadid
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
