利用机器学习推进次季节天气预报

研究人员提出概率偏差校正（PBC）机器学习框架，用于改善动力学模型、AI 及混合系统的 2–6 周次季节天气预报。该框架通过并行动行 Debias ++ 与 Persistence ++ 两个模型，自适应学习并校正预报概率分布的系统性误差。PBC 适用于任意输入模型，在 ECMWF 的 AI Weather Quest 实时竞赛中超越了全球主流预测系统的表现。