通过修改的球谐和损失函数修复数据驱动天气预报中的双重惩罚问题
机器学习
2025-06-02 v2 大气与海洋物理
摘要
近期数据驱动天气预报模型的进展已实现确定性模型，超过了基于传统基于物理的模型构建的领先运营预报系统。然而，这些数据驱动模型通常采用均方误差损失函数进行训练，导致在细尺度上出现平滑化，通过“双重惩罚”效应。我们开发了一种简单且无需参数调整的损失函数修改方案，通过分离由相关性损失和谱幅误差引起的损失来避免此问题。使用新损失函数对GraphCast模型进行微调后，实现了锐利的确定性天气预报，将模型有效分辨率从1,250公里提升至160公里，改善了集合预报的扩散程度，以及对热带气旋强度和地表风暴极值的预测。
引用
@article{arxiv.2501.19374,
title = {Fixing the Double Penalty in Data-Driven Weather Forecasting Through a Modified Spherical Harmonic Loss Function},
author = {Christopher Subich and Syed Zahid Husain and Leo Separovic and Jing Yang},
journal= {arXiv preprint arXiv:2501.19374},
year = {2025}
}
备注
Accepted at ICML 2025