الأبحاث المرتبطة بالكلمة المفتاحية: مهارة التنبؤ
-
التنبؤ الموسمي باستخدام نموذج التعلم الآلي الاحتمالي GenCast
2026 | المؤلف: Bobby Antonio وآخرون | المجلة: Climate Dynamics | المجال: الهندسة البيئية (Environmental Engineering)تبحث الدراسة في تطبيق نموذج توقعات الطقس المعتمد على التعلم الآلي GenCast (MLWP) للتنبؤات الموسمية، خاصة في سياق الشذوذات المحددة لدرجة حرارة سطح البحر (SST). يتم تحليل تكوينين من GenCast: GenCast-Persisted، الذي يستخدم الشذوذات في درجة حرارة سطح البحر المستمرة على المناخ، وGenCast-Forced، الذي يتضمن بيانات درجة حرارة سطح البحر الملاحظة. يتم مقارنة أداء هذه…
-
AIFS-CRPS: التنبؤ الجماعي باستخدام نموذج تم تدريبه بدالة خسارة تعتمد على درجة الاحتمالية المرتبة المستمرة
2026 | المؤلف: Simon Lang وآخرون | المجلة: npj Artificial Intelligence | المجال: علوم الغلاف الجوي (Atmospheric Science)يقدم هذا القسم AIFS-CRPS، وهو نوع من مجموعة نظام التنبؤ بالذكاء الاصطناعي (AIFS) تم تطويره في ECMWF، مصمم لتعزيز التنبؤات الجوية متوسطة المدى من خلال إطار عمل احتمالي. يستخدم AIFS-CRPS مقياس الاحتمالية المستمر العادل تقريبًا (afCRPS) كدالة خسارة، مما يقلل بشكل فعال من التحيز المرتبط بأحجام المجموعة المحدودة مع تجنب مشكلات الانحلال الموجودة في CRPS…
-
زيادة الدقة والوضوح في التنبؤات دون الموسمية من خلال 3D U-Net: الغرب الأمريكي
2026 | المؤلف: Jihun Ryu وآخرون | المجلة: Geoscientific model development | المجال: علوم الغلاف الجوي (Atmospheric Science)تبحث هذه الدراسة في تطبيق بنية 3D U-Net لتعزيز توقعات الطقس على المدى الفرعي، لا سيما في الغرب الأمريكي. تكافح نماذج التنبؤ بالطقس العددية التقليدية (NWP) مع التوقعات عالية الدقة، خاصة بالنسبة للهطول. تستخدم الدراسة نظام التنبؤ بالجمع من ECMWF كمدخلات وبيانات PRISM عالية الدقة كهدف، مما يوضح أن نموذج 3D U-Net يحسن بشكل كبير…