MIT等发布次季节预报后处理模型

MIT 等机构的研究团队开发出一种机器学习后处理层，通过学习历史数据修正现有预报模型的误差，把两到六周（次季节）预报的准确率提升一倍，并在 ECMWF 的预报竞赛中夺得第一。该成果发表在 Nature 上。据 MIT News 报道，这是首次让这一时间尺度的预报优于气候学平均值，同时显著提升了对极端天气的预测能力。 The Verge 报道称，该方法名为 Probabilistic Bias Correction（PBC），由微软研究院联合 MIT、ECMWF 等机构提出，思路是识别并校正现有预报模型的系统性偏差，而非新建独立模型，相关工具已开源。 模型为开源、低成本的外挂式 wrapper，可叠加到任意预报模型上，且不需要超级计算机运行；肯尼亚气象部门已联系希望用于改进季风预报。

AI 根据报道生成 · 21 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。