Huracan：面向集合数据同化与天气预报的高效端到端数据驱动系统
大气与海洋物理
2025-08-27 v1 机器学习
摘要
过去几年中，基于机器学习的数据驱动天气预报正通过提供更精确的预测而变革 operational 天气预报，同时所需计算资源较传统数值天气预报（NWP）模型大幅降低。然而，这些模型仍依赖于 NWP 的初始条件，这构成了其预测能力的上限。此前已有少数端到端系统，但尚未达到最新 NWP 竞争对手的预测水平。本文提出 Huracan，一个以观测资料为驱动的天气预报系统，其组合了集合数据同化模型与预测模型，以仅依赖观测资料即可生成高度准确的预测。Huracan 不仅是首个提供集合初始条件和端到端集合天气预报的系统，还是首个在使用较少可用观测资料的情况下，即可实现与 ECMWF ENS（最新 NWP 竞争对手）相当的准确率的端到端系统。值得注意的是，Huracan 在 75.4% 的变量和预报时段组合上，匹配或超过了 ECMWF ENS 的持续排序概率得分。我们的工作是端到端数据驱动天气预报的重要进步，为进一步改进和革新 operational 天气预报开辟了机遇。
引用
@article{arxiv.2508.18486,
title = {Huracan: A skillful end-to-end data-driven system for ensemble data assimilation and weather prediction},
author = {Zekun Ni and Jonathan Weyn and Hang Zhang and Yanfei Xiang and Jiang Bian and Weixin Jin and Kit Thambiratnam and Qi Zhang and Haiyu Dong and Hongyu Sun},
journal= {arXiv preprint arXiv:2508.18486},
year = {2025}
}