FuXi-Extreme：利用扩散模型改进极端降雨与大风预报
机器学习
2023-11-01 v1 大气与海洋物理
应用统计
摘要
机器学习（ML）天气预报模型的发展取得了显著进展，产生了卓越的成果。最先进的基于 ML 的天气预报模型，如 FuXi，已展示出优于欧洲中期天气预报中心（ECMWF）高分辨率预报（HRES）的统计预报性能。然而，ML 模型面临一个共同挑战：随着预报时效增加，它们倾向于生成越来越平滑的预测，导致对极端天气事件强度的低估。为应对这一挑战，我们开发了 FuXi-Extreme 模型，其采用去噪扩散概率模型（DDPM）来恢复 FuXi 模型生成的 5 天预报中地面预报数据的更精细尺度细节。对极端总降水量（）、10 米风速（）和 2 米温度（）的评估表明，FuXi-Extreme 相对于 FuXi 和 HRES 均具有更优性能。此外，当基于国际气候 stewardship 最佳路径档案（IBTrACS）数据集评估热带气旋（TC）预报时，FuXi 和 FuXi-Extreme 在 TC 路径预报方面均表现出优于 HRES 的性能，但在 TC 强度预报方面相较于 HRES 表现较差。
引用
@article{arxiv.2310.19822,
title = {FuXi-Extreme: Improving extreme rainfall and wind forecasts with diffusion model},
author = {Xiaohui Zhong and Lei Chen and Jun Liu and Chensen Lin and Yuan Qi and Hao Li},
journal= {arXiv preprint arXiv:2310.19822},
year = {2023}
}