基于分布回归 U-网络的降水集合预报后处理
机器学习
2024-07-03 v1 机器学习
应用统计
摘要
准确的降水预报因其在交通网络、农业等多个领域的决策作用，具有高度的社会经济价值。本文提出一种用于降水集合预报后处理的全局统计方法。该方法基于 U-网络的分布回归方法，预测以参数化分布形式的边际分布，由评分规则最小化推断得出。分布回归 U-网络与法国南部的 21 小时 3 小时累积降水后处理方法进行比较。训练数据来源于 M\'et\'eo-France 天气模型 AROME-EPS，跨越 3 年。实际应用中，当缺乏一致数据或再预报时将出现挑战。分布回归 U-网络在持续评分概率得分（CRPS）上与分位数回归森林（QRF）相当，但在高气候降水区域无法提供校准的预报。对于重大降水事件的预测能力方面，他们在 QRF 和半参数 QRF（带尾部扩展）方面均表现更优。
引用
@article{arxiv.2407.02125,
title = {Distributional Regression U-Nets for the Postprocessing of Precipitation Ensemble Forecasts},
author = {Romain Pic and Clément Dombry and Philippe Naveau and Maxime Taillardat},
journal= {arXiv preprint arXiv:2407.02125},
year = {2024}
}
备注
for associated code, see https://github.com/pic-romain/unet-pp