AI 前沿
微软开源机器学习天气预报纠偏工具
微软研究人员提出 Probabilistic Bias Correction,用机器学习纠正现有天气模型的系统性偏差,把可用预报延伸至两到六周。相关论文发表于 Nature,软件已开源。
微软并未训练新的独立天气模型,而是用机器学习识别并修正物理模型或 AI 模型中的偏差。研究人员 Lester Mackey 表示,该工具可在 CPU 上运行,相较依赖超级计算机或高性能 GPU 的方案更节省资源。
传统物理模型通过模拟大气过程预报天气,AI 模型则从历史数据中寻找模式。两者在两周以上预报中都会因观测站稀疏、复杂大气现象和数据缺口而依赖近似,误差会随时间累积。
微软称,PBC 在研究中改善了 ECMWF 主流物理天气模型 98% 的降水目标和 92% 的温度目标,并让 ECMWF 新 AI 预报系统的分析准确率提高一倍。微软希望该方法帮助资源有限的气象机构降低 AI 增强预报成本。