用于降水预报的 Advanced Torrential 损失函数

在气候变化背景下，准确的降水预报变得日益重要。为此，基于机器学习的方法作为数值天气预报和气候模型等传统方法的新兴替代方案，近期受到关注。尽管如此，许多近期方法仍依赖于现成的损失函数，即使是更先进的方法，也仅涉及基于临界成功指数的优化过程。然而，问题在于，当降水量持续低于阈值时，即延长干旱期，临界成功指数可能会失效，使其作为优化准则并不理想。为解决这一局限，我们引入一个简单的惩罚表达式，并将其重新解释为二次无约束二值优化公式。最终，通过一个近似过程，将得到的二次无约束二值优化公式松弛为一个可微的先进高级损失函数。所提出的先进高级损失通过利普希茨常数、预报性能评估、一致性实验以及与业务模型的消融研究，证明了其优越性。