Статистическая и машинная интерполяция послепроцессированных прогнозов погоды
arXiv:2609.075112v1 Тип уведомления: новое резюме: статистическое послеобработка улучшает прогноз погоды, но составление калиброванных прогнозов в местах без наблюдений по-прежнему сопряжено с трудностями. В настоящем исследовании сопоставляются статистические и машино-обучения методы для определения температуры на 2 м в период после обработки ECMWF, а также прогнозы скорости ветра на 10 метров на наблюдаемых и ненаблюдаемых станциях Германии. Мы рассматриваем подходы, основанные на ЭМОС, распределительные регрессионные сети, трансформаторы и графовые нейроны как в ограниченных, так и расширенных параметрах прогнозирования. Что касается температуры, то мы также изучаем линейные комбинации прогнозов и предлагаем линейный бассейн с учетом высоты (ALP). Результаты свидетельствуют о том, что послепереработка улучшается на первичных ансамблях в большинстве случаев, но ни один из методов не обеспечивает наилучшие результаты по всем переменным, группам станций и параметрам оценки. Предлагаемый АЛП обеспечивает небольшое, но значительное улучшение по сравнению со стандартным линейным пулом в ненаблюдаемых местах.
