通过外推与平移预测训练数据之外的天气：AI 天气模型与阿布扎比 2024 年异常降雨
大气与海洋物理
2026-02-04 v3
摘要
人工智能 (AI) 模型已彻底变革了天气预报，但其对灰天鹅极端事件的预测能力尚不明确。本文分析了 GraphCast、AIFS 和 FuXi 对阿布扎比 2024 年风暴的预测，这场风暴的降雨量是该地区训练数据集中最高值的两倍。惊人的是，GraphCast 和 AIFS 能准确预测这一事件达 8 天。FuXi 能预测该事件，但低估了降雨量。通过细化和感受野分析，我们发现这些模型的成功归因于“平移”：在训练期间，从其他地区的类似或更强的动力学相似事件中学习。未发现“外推”（从较弱事件中学习）的证据。即使在全局分布尾部的事件，也 poorly 预测，这不仅仅是由于数据不平衡（泛化误差），还有谱偏差（优化误差）。这些发现表明 AI 模型有望预测区域性灰天鹅事件，也通过理解其成功与局限性机制的机会来改进它们。
引用
@article{arxiv.2505.10241,
title = {Predicting Beyond Training Data via Extrapolation versus Translocation: AI Weather Models and Dubai's Unprecedented 2024 Rainfall},
author = {Y. Qiang Sun and Pedram Hassanzadeh and Tiffany Shaw and Hamid A. Pahlavan},
journal= {arXiv preprint arXiv:2505.10241},
year = {2026}
}