npj Artificial Intelligence· 2026
AIFS-CRPS: Yapay Zeka tahminları fizik tabanlı modelleri geride bırakıyor
AIFS-CRPS: ensemble forecasting using a model trained with a loss function based on the continuous ranked probability score
- 30atıf
- 2026yıl
Kısa özet
Yeni bir yapay zeka tabanlı hava tahmini sistemi olan AIFS-CRPS, sürekli sıralı olasılık puanına (afCRPS) dayalı bir kayıp fonksiyonu ile eğitilerek, çoğu değişken ve zaman dilimi için geleneksel fizik tabanlı modelleri geride bırakıyor.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- AIFS-CRPS, 'neredeyse adil' Sürekli Sıralı Olasılık Puanı (afCRPS) kayıp fonksiyonunu kullanan bir yapay zeka ensemble tahmin sistemidir.
- Model stokastiktir ve istenildiği kadar sınırsız sayıda tahmin üyesi üretebilir.
- AIFS-CRPS, orta vadeli tahminlerde çoğu değişken ve zaman dilimi için IFS ensemble'ını geride bırakmaktadır.
- Mevsim altı tahminlerde, AIFS-CRPS özellikle anomali olarak değerlendirildiğinde IFS ensemble'ı ile rekabetçidir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract Ensemble weather forecasts provide a probabilistic description of the future state of the atmosphere and give users flow-dependent estimates of forecast uncertainty. Here, we introduce AIFS-CRPS, an ensemble variant of the machine-learned Artificial Intelligence Forecasting System (AIFS) developed at ECMWF. Its loss function is the almost fair Continuous Ranked Probability Score (afCRPS). It is based on a proper score, the CRPS, but approximately removes the bias in the score due to finite ensemble size yet avoids a degeneracy of the fair CRPS. The trained model is stochastic and can generate as many exchangeable members as desired. For medium-range forecasts AIFS-CRPS outperforms the physics-based Integrated Forecasting System (IFS) ensemble for the majority of variables and lead times. For subseasonal forecasts, AIFS-CRPS outperforms the IFS ensemble before calibration and is competitive with the IFS ensemble when forecasts are evaluated as anomalies to remove the influence of model biases.
Yazarların özeti; kaynağından alınmıştır. npj Artificial Intelligence, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Atmosfer Bilimi
Atmospheric ScienceEarth and Planetary Sciences