摘要。用于调查，评估和预期气候变化，已经设计了数十个全球气候模型（GCM），每种都对地球系统进行建模略有不同。要从不同的模拟和输出中提取强大的信号，通常将模型收集到多模型集合（MME）中。然后以各种方式汇总这些内容，包括（可能加权的）多模型手段，中值或分位数。在这项工作中，我们引入了一种称为“ alpha Pooling”的新概率聚合方法，该方法构建了一个累积的累积分布函数（CDF），旨在在校准（历史）期间更接近参考CDF。然后可以使用聚合的CDF来对原始气候模拟进行偏置调整，因此进行“多模型偏置校正”。在实践中，每个CDF都是根据取决于参数α的非线性转换而转换的。然后，将重量分配给每个转换的CDF。此权重是CDF紧密度与参考转换的CDF的增加功能。键合的键是一个参数α，它描述了转化的类型，因此汇总的类型，将线性和对数线性池化方法均赋予。我们首先确定α池是通过验证某些最佳特性来适当的聚集方法。然后，着重于西欧温度和降水量的气候模型模拟，为了评估α汇合的性能，以针对当前可用的方法（包括多模型平均值和加权变体）的性能。基于重新分析的评估以及完美的模型实验以及对气候模型集的灵敏度分析。我们的发现证明了所提出的合并方法的优越性，表明α池提出了一种结合GCM CDF的有效方法。这项研究的结果还表明，我们对多模型偏置校正的CDF合并策略的独特概念是通常的by-GCM-GCM偏置校正方法的可靠替代方法，可以一次允许处理和考虑几种气候模型。