arXiv cs.AI· Siyu Gan, Dongsheng Luo, Kunxiaojia Yuan, Dongjin Song, Jingchao Ni·· 11 小时前AI 评分20
BridgeCast：用条件流匹配与外生变量将海浪预报桥接至再分析数据
BridgeCast: Bridging Ocean Wave Forecasts to Reanalysis via Flow Matching with Exogenous Variables
AI 导读
BridgeCast 是一个基于条件流匹配（CFM）的概率模型，将物理模型的海浪预报视为受损观测，通过连续时间生成过程把其分布桥接至再分析数据，实现偏差校正。模型采用 Transformer 架构进行时空建模，可引入外生大气变量，并支持常微分与随机微分方程两种推理形式。在真实数据集上，BridgeCast 在各区域和预报时效上均持续优于 SOTA 基线。
正文 · AI 翻译
摘要：海浪预报对海上安全、海上作业和海岸韧性至关重要，但由于基于物理的模型中存在系统性偏差，这一任务仍具挑战性。物理模型虽被广泛使用，却依赖近似和参数化，这限制了其在复杂海洋-大气条件下的准确性。为提升海浪预报，我们提出 BridgeCast，将其置于一个用于偏差校正的物理-AI 混合框架中。BridgeCast 是一个基于条件流匹配（CFM）的概率模型，学习将物理模型预报转换为类再分析场。它将物理预报视为受损观测，并采用连续时间生成过程，将其分布桥接至再分析数据的分布。BridgeCast 由基于 Transformer 的架构参数化，支持时空建模、纳入外生大气变量，并通过常微分方程和随机微分方程两种形式实现灵活推理。在真实世界数据集上的大量实验表明，BridgeCast 在不同区域和预报时效上均持续优于最先进的基线。
| 评论： | 22 页，包括参考文献和附录 |
| 主题： | 大气与海洋物理（physics.ao-ph）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.03759 [physics.ao-ph] |
| （或 arXiv:2610.03759v3 [physics.ao-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.03759 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Siyu Gan [查看电子邮件]
[v1]
2026 年 9 月 27 日星期日 00:43:54 UTC（4,060 KB）
[v2]
2026 年 10 月 17 日星期六 18:42:51 UTC（4,105 KB）
[v3]
2026 年 10 月 20 日星期二 16:16:21 UTC（4,105 KB）
来源：arXiv cs.AI · arxiv.org