CAMELS-Evolve

新的EvoBench框架揭示环境模型的局限性

研究人员推出EvoBench，一个旨在评估环境建模中机器学习模型的新框架。与使用单一平均分数的传统基准不同，EvoBench能识别模型表现不佳的具体区域和时间，例如在气候变化期间、在未被监测的地点，或在洪水和干旱等极端事件期间。一项使用CAMELS-Evolve数据集进行每日河流流量预测的案例研究表明，包括物理和数据驱动方法在内的当前模型都存在明显的弱点，所有数据驱动模型都低估了洪水。该框架旨在提供对模型局限性的更详细理解，而不仅仅是排名。