MIT团队用机器学习修正预报误差，两到六周天气预报准确率翻倍
论文AI 评分 82/100MIT News（RSS）待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
MIT等机构研究人员开发出一种机器学习模型，通过学习修正现有预报模型的误差，提升两到六周时间尺度的预报输出。该方法应用于一个黄金标准预报模型后，将该时段的预报准确率提高一倍，并在一个知名国际预报竞赛中排名第一。相关论文发表在《自然》上，显示预报首次在两到六周区间超过气候学平均值。研究还改善了对洪水、寒潮等极端天气事件的预测。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载方法思路
研究团队没有从头构建预报模型，而是让机器学习模型去学习并修正已有预报模型的误差。这种误差修正策略针对的是两到六周这一特定时间窗口，即介于中期天气预报与季节预测之间的延伸期。通过修正现有模型的输出，新方法在该时段显著提升了预报表现。论文合著者、MIT研究科学家Judah Cohen表示，该方法不仅改善了时间平均预报，还提升了对洪水、寒潮等极端天气事件的预测能力。
性能表现
当该技术应用于一个黄金标准预报模型时，两到六周时间段的预报准确率提高了一倍，并在一个知名国际预报竞赛中取得第一名。论文发表于《自然》，研究显示预报首次在两到六周区间超过气候学平均值。这意味着在该时间尺度上，模型输出不再只是气候平均状态的简单反映，而是具有实际参考价值的预报信息。Cohen指出，极端事件的预测可能是对社会影响最大的部分。
应用背景
两到六周预报长期被认为不可靠，这给能源运营商、农民和应急响应官员留下的准备窗口很窄。材料以2021年得克萨斯州冬季风暴为例：连续三场严重冬季风暴导致该州历史上最严重的能源基础设施故障，至少246人死亡，并引发食物、水和电力短缺。如果能源官员能更早获得可靠预报，例如提前向受影响地区调运更多天然气，损失可能减轻。新方法正是针对这一时间尺度的预报难题。
为什么值得看
两到六周预报长期不可靠，该技术把准确率翻倍并改善极端天气预测，对能源、农业和应急响应有直接价值。
论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。