具备不确定性感知能力的端到端AI天气预报区分观测与模型贡献
研究人员将端到端天气预报模型Aardvark Weather扩展为概率模型，分别处理两类不确定性。观测编码器中的输入依赖噪声用于表示地球观测系统带来的不确定性，处理器中的蒙特卡洛 dropout则用于捕捉所学习大气动力学的不确定性。嵌套集成模型能够将预报离散度归因于这两种来源。概率微调使不同变量和预报时效的平均预报表现提升4.2%。模型在中期预报范围内保持良好校准，并在所有预报时效上以CRPS优于确定性模型，但仍落后于ECMWF的业务化集合预报。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。