Deep-Weather：利用深度学习改进集成天气预报后处理

简介：
Deep-Weather项目运用深度学习技术优化集成天气预报后的数据处理过程，旨在提高天气预测精度与可靠性，为公众和行业提供更高质量的气象服务。 我们的研究利用深度学习技术来改进集成天气预报的后处理过程，并希望通过开放数据促进这一领域的进一步发展。我们专注于应用最新的架构将深度学习应用于集成天气预报。 为此，我们使用了欧洲中期天气预报中心（ECMWF）提供的全局重新预测数据集ENS10和ERA5再分析数据作为研究基础。其中，ENS10旨在为研究人员提供一套基本的数值天气预报参考值；而ERA5则被用作验证基准，以评估基于ENS10子集进行后处理改进的效果。 我们的目标是帮助气象中心更经济、准确地预测极端天气事件。特别是在热带气旋路径预测方面，我们选取了五个轨迹样本，在包含十个成员的集合中进行了连续排名概率得分（CRPS）测量，并发现相对于原始预报技能提高了超过26%的成绩。此外，这些模型还能更好地预测飓风未来的移动方向。