用于快速准确后处理温度和风速预报的自注意力Transformer
机器学习
2025-07-15 v2 大气与海洋物理
摘要
当前的后处理技术通常需要为每个预报时效建立单独的模型，并且通过单独校正每个集合成员或采用分布方法，忽略了集合成员间可能存在的相互关系。在这项工作中，我们通过一种创新、快速且准确的Transformer来解决这些缺陷，该Transformer单独后处理每个集合成员，同时通过多头自注意力允许跨变量、空间维度和预报时效的信息交换。天气预报在20个预报时效上同时进行后处理，并包含多达15个气象预测因子。我们使用EUPPBench数据集进行训练，该数据集包含欧洲中期天气预报中心综合预报系统的集合预报以及相应的观测数据。本文首次对该基准数据集中的10米和100米风速预报进行后处理，同时校正2米温度。我们的方法显著改善了原始预报，以CRPS衡量，2米温度改善16.5%，10米风速改善10%，100米风速改善9%，优于作为竞争基准的经典逐成员方法。此外，其速度提升高达六倍，满足了包括可再生能源预报在内的各种下游应用中对快速业务化天气预报的需求。
引用
@article{arxiv.2412.13957,
title = {Self-attentive Transformer for Fast and Accurate Postprocessing of Temperature and Wind Speed Forecasts},
author = {Aaron Van Poecke and Tobias Sebastian Finn and Ruoke Meng and Joris Van den Bergh and Geert Smet and Jonathan Demaeyer and Piet Termonia and Hossein Tabari and Peter Hellinckx},
journal= {arXiv preprint arXiv:2412.13957},
year = {2025}
}
备注
23 pages, 9 figures, Accepted for publication in Artificial Intelligence for the Earth Systems (AIES)