arXiv ID:
2602.15830
arXiv 提交日期: 2026-02-17
最小化(非)公平评分的深度学习后处理方法的集成规模依赖性:动机性示例与概念验证解决方案 / Ensemble-size-dependence of deep-learning post-processing methods that minimize an (un)fair score: motivating examples and a proof-of-concept solution
1️⃣ 一句话总结
这篇论文发现,当使用公平评分(如aCRPS)训练深度学习模型来优化天气预报时,如果模型结构导致预报成员之间产生依赖关系,其性能会受训练和实际预报所用集合成员数量的影响而变得不可靠,并提出了一种新的轨迹变换器方法来解决这个问题,确保预报质量不受集合规模影响。