複数モデルを組み合わせたアンサンブルによる高度な気象予測が可能であることを示す。
条件付き生成対立ネットワーク(CGAN)と畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアンサンブル後処理手法が、激しい天候の確率予測に有効であることを示す。
アンサンブル平均だけでなく、アンサンブル予測に埋め込まれた情報を活用して予測精度を向上させる。
機械学習気象予測モデルの弱点として、基本的な力学的バランスを表現することが難しいことを克服するために、物理ベースのコアコンポーネントに統計コンポーネント(主にニューラルネットワーク)を組み合わせるハイブリッドモデリングが有望である。