MIT团队用机器学习提升中长期天气预报准确率

OmniTools 10月14日消息，麻省理工学院（MIT）研究人员在《自然》期刊发表论文，提出一种机器学习后处理方法，通过分析历史数据识别并修正现有数值预报模型的系统性误差，将两周至六周时间尺度的天气预报准确率提升一倍。

该方法在欧洲中期天气预报中心（ECMWF）主办的季节间预报竞赛中排名第一，首次在该预报时效内持续优于气候学基准，并显著增强对洪水、寒潮等极端天气事件的预测能力。

模型开源且部署成本低，可作为插件式模块适配任意现有预报系统。肯尼亚气象部门已与研究团队接洽，计划将其用于改进东非季风季的天气预测。