机器学习天气预报的谱系
大气与海洋物理
2026-07-06 v1
摘要
现代机器学习天气预报（MLWP）很大程度上继承了数值天气预报（NWP）的初始值问题（IVP）框架。这种继承导致了一个主导范式，即学习的自回归时间步进，并约束了学习问题的定义与架构偏好。在本研究中，我们使继承显式化，对比两种哲学传统：“科学代理建模”，其中机器学习（ML）嵌入物理系统并必须尊重其结构约束，以及“自由形式数据驱动建模”，其中大气场被处理为时空序列，模型学习潜动态而不包含明确的物理约束。通过审查 governing primitive equations、调查近期文献并分析具体物理例子，我们将每个建模范式映射到状态条件或演化算子形式。我们得出结论，原则化的模型选择需要明确地将架构与训练目标对齐于物理系统结构或数据统计结构。
引用
@article{arxiv.2607.05045,
title = {On the Genealogy of Machine Learning Weather Prediction},
author = {Mohammad Hassan Erfani},
journal= {arXiv preprint arXiv:2607.05045},
year = {2026}
}