基于图神经网络的后处理 ensemble 气象预报及空间信息学习
机器学习
2024-07-17 v1 大气与海洋物理
摘要
数值天气预报模型的 ensemble 预报显示系统性误差需要通过后处理进行校正。尽管过去几年中，灵活的神经网络基于后处理方法取得了显著进展，但大多数基于站点的 методs 仍将每个输入数据点单独处理，这限制了利用 forecast 误差中空间结构的能力。为 improved 数据在不同位置之间的信息共享，我们提出了一种图神经网络架构用于 ensemble 后处理，该架构将站点位置表示为图上的节点，并利用注意力机制识别来自相邻位置的相关预测信息。在对欧洲 2 米温度 forecast 的案例研究中，图神经网络模型在 highly competitive 的神经网络基于后处理方法上显示出显著的改进。
关键词
引用
@article{arxiv.2407.11050,
title = {Graph Neural Networks and Spatial Information Learning for Post-Processing Ensemble Weather Forecasts},
author = {Moritz Feik and Sebastian Lerch and Jan Stühmer},
journal= {arXiv preprint arXiv:2407.11050},
year = {2024}
}
备注
Accepted paper at ICML 2024 - Machine Learning for Earth System Modeling Workshop (https://leap-stc.github.io/ml4esm-workshop/)