ACE 指标：用于精确天气预报的流动与对流评估
计算机视觉与模式识别
2024-06-10 v1
摘要
最近，数据驱动的天气预报方法受到关注，能够超越传统 NWP（数值天气预报）方法的 RMSE 性能。然而，数据驱动模型优化目标是最小化预测数据与真实值之间的损失，常使用像素级损失函数，这可能导致模型产生模糊输出——尽管与实际天气条件在细节上有显著差异，但仍表现出低 RMSE 值。虽然可以采用计算机视觉领域的评估指标，如 PSNR、SSIM 和 FVD，但并不完全适用于天气变量，因为天气变量在时间上表现出连续物理变化，缺乏计算机视觉图像中常见的明确边界。为此，我们提出了流动与对流误差（ACE）指标，专为评估模型对流动与对流预测的准确性而设计。我们在 WeatherBench2 和 MovingMNIST 数据集上验证了 ACE 评估指标。
引用
@article{arxiv.2406.04678,
title = {ACE Metric: Advection and Convection Evaluation for Accurate Weather Forecasting},
author = {Doyi Kim and Minseok Seo and Yeji Choi},
journal= {arXiv preprint arXiv:2406.04678},
year = {2024}
}
备注
9 pages