天气观察一直是天气预测中的关键要素。它们用于帮助确定任何预测的起点。在传统的数值天气预测中,它们与以前的短期预测相结合,为整个大气和相关的地球系统组件产生完整的初始状态。这是在一个称为数据同化的复杂过程中完成的,对天气预测的大量研究致力于改善此数据同化步骤。最近,已经有许多开发项目通过机器学习进行天气预报,例如,在ECMWF的人工智能预测系统(AIFS)中实现了,但是这些方法当前并未消除数据同化:它们仍然需要预测的最佳起点,这是数据吸收提供的。但是,我们的一些员工一直在基于机器学习的系统上努力工作,这些系统根本不使用数据同化:既不在培训中也不使用推理模式。相反,预测仅基于观察结果,而没有单独建立完整初始状态的步骤,而无需依靠重新训练。
主要关键词