ECMWF HRES
PulseAugur coverage of ECMWF HRES — every cluster mentioning ECMWF HRES across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
人工智能框架3DTCR增强了热带气旋强度预测
研究人员开发了3DTCR，一个旨在改进热带气旋强度预测的新型人工智能框架。该系统从全球天气预报中重建气旋的详细三维结构，解决了传统模型中粗网格分辨率的局限性。通过将条件流匹配与两阶段训练过程相结合，3DTCR有效地将粗粒度预报数据映射到精细尺度细节，与现有的运行系统相比，显著降低了风速预测误差。
-
新的概率模型KNOU-Flood增强了全球河流流量预测能力
研究人员开发了KNOU-Flood，这是一种新颖的概率机器学习模型，旨在改进全球河流流量预测。该模型建立在现有的迁移学习技术之上，通过整合更长的输入窗口、来自GraphCast和ECMWF HRES等多个来源的面向超前的预测输入，以及使用公平CRPS训练的潜在噪声集成。在评估中，KNOU-Flood在各种超前时间和评分协议上都显示出显著的收益，优于基线模型，并显示出对罕见洪水事件的检测能力有所提高。
-
InCommodities发布Aries天气模型，风速预测优于ECMWF
InCommodities的研究人员开发了Aries，一个利用SwinTransformer架构的新型中程天气预测模型。Aries在ERA5再分析数据上进行训练，可预测多种大气变量，并已证明其性能可与ECMWF HRES和AIFS等成熟模型相媲美。该模型在提前四天预测10米风速方面表现尤为出色，优于现有基准，并在2米温度预测方面取得了与AIFS相当的结果。这一发展表明，专有实体可以成功开发先进的天气模型，从而可能拓宽能源行业预测的可用性。
-
新型WDANet模型提升台风阵风预报准确性
研究人员开发了WDANet，一个旨在提高短期台风阵风预报能力的新型深度学习框架。该模型通过采用平稳小波分解和双分支架构，能有效捕捉长期趋势和快速的局部风力波动。在中国的西太平洋地区进行测试，WDANet在长达24小时的预报中显示出比ECMWF-HRES更高的准确性，尤其在预测前6小时极端风事件中的阵风峰值方面表现出色。