机器学习新方法突破两周以上天气预报极限

这项研究发表在《自然》杂志上，首次让两周至六周内的预测优于气候学平均值。该区间被称为「预测荒漠」，因为短期预测可依赖初始条件，长期预测有缓慢变化的边界推动力（如厄尔尼诺），而中间的几周两种优势都没有。此前在这个时段做预报，跟进赌场掷骰子差不多。

研究人员的方法并非从零构建预报模型，而是给现有模型加一层「后处理」：让机器学习系统从历史数据中识别某一预报模型的系统性偏差，再自动修正其输出。其他系统也做误差修正，但这套后处理层能随着新数据不断出现而自适应改进，且运行时不依赖超级计算机。

• 在去年欧洲中期天气预报中心（ECMWF）举办的季赛上，包含该后处理层的模型获得第一名。
• 获奖模型将ECMWF的预报模型与另一个模型结合，再应用后处理修正。
• 研究团队还测试了三个包含该层的模型，均提交至ECMWF。

这项工作的动因之一是2021年2月德克萨斯州的三场冬季风暴，当时导致至少246人死亡，能源基础设施遭受史上最严重破坏。如果能提前更早预警，能源运营商可提前调运天然气卡车，农民和应急官员也可更从容应对。