Kunyu：超越回归损失的高性能全球天气模型

在过去一年中，数据驱动的全球天气预报已成为传统数值天气预报的新替代方案。这种创新方法以极小一部分计算成本就能产生精度相当的预报。遗憾的是，据我所知，现有模型完全依赖回归损失，生成的预报存在显著的模糊性。这种模糊性虽然损害了实用性，却在评估指标上获得了不公平的优势。在本文中，我提出了Kunyu，一个全球数据驱动的天气预报模型，该模型在0.35°分辨率下对全面的各类大气变量提供准确预测。通过在训练框架中整合回归损失和对抗损失，Kunyu生成的预报具有更高的清晰度和真实性。其性能在某些方面（如异常极值的估计）甚至超越了ECMWF HRES，同时在RMSE和ACC等评估指标上仍保持与ECMWF HRES的竞争力。Kunyu是缩小数值天气预报与数据驱动天气预报之间实用性差距的重要一步。