arXiv cs.AI· Marvin Vincent Gabler, Roberto Molinaro, Niall Siegenheim, Henry Martin, Mark Frey, Niels Poulsen, Philipp Seitz, Olivier Lam·· 10 天前AI 评分30
AI 天气模型会漏报极端天气吗？研究对比十二个物理与 AI 模型未发现 AI 特有缺陷
Do AI weather models miss extremes?
AI 导读
一项研究用十个月欧洲地面观测数据，将十二个物理与 AI 预报模型对照 ECMWF IFS 评估 10 m 风速、2 m 气温、太阳辐射和降水，未发现 AI 模型在极端值尾部存在统一的特有缺陷。部分 AI 模型在极端条件下仍比 IFS 更准，另一些则明显退化，物理模型间也有类似差异。所有模型都表现出高值低估、低值高估的条件误差模式，尾部表现取决于模型、变量和评估设置，而非是否由 AI 生成。
正文 · AI 翻译
摘要：AI 天气模型常被报道会低估极端值，但大多数证据涉及的是针对再分析数据验证的确定性回归模型。我们利用十个月的欧洲站点观测数据，将十二个物理预报模型和 AI 预报模型与 ECMWF IFS 进行对比评估。评估涵盖 10 米风速、2 米气温、太阳辐射和降水，并基于固定的 ERA5 1991-2020 气候态划分的天气型。我们发现，在尾部表现上并不存在 AI 特有的统一缺陷。若干 AI 模型在极端条件下仍比 IFS 更准确，而另一些则明显变差；物理模型之间也存在类似差异。然而，所有模型都表现出一种共同的条件误差模式：高估低观测值，低估高观测值。因此，极端值的衰减并不意味着相对技巧的统一损失：尾部表现取决于模型、变量和评估设置，而非预报是由 AI 还是物理数值模拟生成。
| 学科： | 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:2608.09972 [physics.ao-ph] |
| （或使用 arXiv:2608.09972v2 [physics.ao-ph] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2608.09972 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Niall Siegenheim [查看电子邮件]
[v1]
2026年7月31日星期五 14:18:43 UTC（11,528 KB）
[v2]
2026年10月6日星期二 17:28:42 UTC（3,632 KB）
来源：arXiv cs.AI · arxiv.org