Core Concepts
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。
Abstract
この研究は、機械学習モデルを使用して、数値的な気象アンサンブル予測と観測データを組み合わせて、米国内の降水量と気温を2週間先まで予測する方法を探求しています。従来のML手法とは異なり、本研究ではアンサンブル平均だけでなく、アンサンブルメンバー間の変動も考慮しました。複数のMLモデル(ニューラルネットワーク、ランダムフォレスト、線形回帰)がトレーニングされ、空間変動を考慮した新しい予測が提案されました。これらのモデルは通常の基準よりも優れた性能を示しました。
Stats
アメリカ合衆国全土における降水量と気温の2週間先までの月平均予測
NCEP-CFSv2アンサンブルメンバー:24人
NASA-GMAOアンサンブルメンバー:11人
Quotes
"Unlike previous ML approaches that often use ensemble mean alone, we leverage information embedded in the ensemble forecasts to enhance prediction accuracy."
"Our proposed models outperform standard baselines such as climatological forecasts and ensemble means."