An ensemble of data-driven weather prediction models for operational sub-seasonal forecasting

我们提供了一个操作就绪的多模型集合天气预报系统，该系统使用混合数据驱动的天气预测模型，与欧洲中期天气预报中心（ECMWF）海洋模型耦合，以1度分辨率预测未来4周的全球天气。对于2米温度的预测，我们的集合平均比原始的ECMWF扩展范围集合表现出更好的预测性能，提升了4-17％，具体取决于前瞻时间。但是，在应用统计偏差校正后，ECMWF集合在4周后的预测性能要好约3％。对于其他表面参数，我们的集合也与ECMWF的集合相差不到几个百分点。我们证明，使用数据驱动的天气预测模型的多模型集成方法可以实现接近最先进的亚季节性到季节性的预测。

本论文旨在利用数据驱动的天气预测模型与欧洲中期天气预报中心（ECMWF）海洋模型相结合，建立一种操作就绪的多模型集成天气预测系统，以1度分辨率预测全球未来4周的天气。

本论文采用多模型集成方法，将数据驱动的天气预测模型与ECMWF模型相结合，以实现近乎最先进的亚季节性到季节性预测。

实验结果表明，对于2米温度的预测，本论文的集成模型平均优于ECMWF的扩展范围集成模型4-17％，但是在应用统计偏差校正后，ECMWF集成模型在4周的预测上约好3％。对于其他表面参数，本论文的集成模型也与ECMWF的集成模型相差不大。值得关注的是，本论文采用了多模型集成方法，这是一种新颖的思路。

近期在这个领域中，还有一些相关的研究，例如：1. Sub-seasonal to seasonal prediction with machine learning: A systematic literature review; 2. Subseasonal-to-Seasonal Prediction with a Global Ensemble Prediction System at the Japan Meteorological Agency.