MIT团队用机器学习后处理将次季节预报准确率翻倍

MIT等机构团队开发出一种机器学习后处理层，能学习并纠正现有预报模型的误差。团队在Nature论文中称，将其应用于ECMWF预报模型后，两到六周次季节预报的准确率提高了一倍，并在ECMWF竞赛中夺得第一；这是该时间范围内预报首次持续优于气候平均值，极端天气预测也显著改善。 该模型开源、低成本，可附加到任何预报模型上。研究人员构建模型时使用了MIT Engaging超级计算集群，但最终模型运行并不需要超级计算机。肯尼亚气象部门已联系团队，希望用其改进季风季节预报。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。