Self-Output Fine-Tuning

新的SOFT方法提高了长期天气预报的准确性

研究人员开发了一种名为自输出微调（SOFT）的新方法，以使用自回归深度学习模型改进长期天气预报。该技术解决了误差放大的问题，即初始预测不准确会破坏后续输入，导致“蝴蝶效应”，随着时间的推移降低准确性。SOFT利用模型自身的单步预测来重新校准第一步的输入分布，显著减少了预测误差和分布差异。该方法在长期预测任务上已展现出最先进的性能，突显了深度学习天气预测流程中的一项关键进展。