基于融合机器学习和大样本集合方法提升亚非季风降水季节预测能力

科研热点 【基于融合机器学习和大样本集合方法提升亚非季风降水季节预测能力】亚非季风降水（AfroASMP）作为全球季风降水的重要组成部分，直接影响地区的水资源、农业生产和生态平衡，其变化不仅牵动亚非亿万人民的日常生活，更与防灾减灾、可持续发展紧密相连。
近日有团队提出了一种人工智能季节预测模型（Y-model），旨在通过融合传统统计预测经验和机器学习方法，提高对亚非季风降水季节性变化的预测能力。预测结果显示，Y-model在2011至2022年间对亚非季风降水的四个季风降水指数（东亚季风，南海季风，南亚季风，非洲季风）进行了有效预测，最高可提前一年，其相关技能范围从0.58到0.90，相较于主流的CFS v2动力模式，相关系数显著提高，均方根误差降低了11-53%。查看原文 网页链接