XiaoMi-AI文件搜索系统
World File Search SystemSurj
Bach，E。Orcid：https：//orcid.org/0000-0002-9725-0203，Mote，S.，Krishnamurthy，V.，Surjalal Sharma，A.，Ghil，Ghil，M。和Kalnay，E.（2021）
摘要：气候系统的振荡模式是其最可预测的特征之一，尤其是在季节内尺度上。这些振荡可以通过数据驱动的方法很好地预测，通常比动态模型更好。但是，由于振荡仅代表了总方差的一部分，因此以前尚不清楚将振荡预测与整体系统的动态预测相结合的一种方法。我们引入了集合振荡校正（ENOC），这是一种校正动力学模型集合预测中振荡模式的通用方法。我们计算合奏平均值或集合概率分布，只有最佳的集合成员，这是由它们与振荡模式的数据驱动预测差异所确定的。我们还提出了一种使用集合数据同化的替代方法，将振荡预测与系统的动态预测集合（ENOC-DA）结合在一起。使用一种称为多通道构思频谱分析（M-SSA）的时间序列分析方法提取振荡模式，并使用模拟方法进行了预测。我们使用具有显着振荡组件的混沌玩具模型测试这两种方法，并表明与未校正的集合相比，它们可稳健地减少误差。我们讨论了这种方法的应用，以改善季风的预测以及气候系统的其他部分。我们还讨论了该方法可能扩展到其他数据驱动的预测，包括机器学习。
