GSTDTAP  > 资源环境科学
机器学习模型在季节性预测能力方面展现出良好的前景
刘燕飞
2025-09-30
所属快报资源环境快报
出版年2025
18
语种中文
领域资源环境
栏目前沿研究动态
中文关键词全球季节性预测 ; 机器学习 ; 再分析数据 ; ACE2
英文关键词Global Seasonal Predictions machine learning Reanalysis Data ACE2
中文摘要

2025年9月4日,英国气象局(Met Office)发布最新研究进展,研究人员评估了机器学习天气模型应用于全球季节性预测的可行性,结果表明,基于机器学习的天气模型有可能彻底改变全球季节性预测。相关研究发表于8月25日《npj-气候与大气科学》(npj Climate and Atmospheric Science)期刊的《基于再分析数据训练的机器学习天气模型的熟练全球季节性预测》(Skilful Global Seasonal Predictions from a Machine Learning Weather Model Trained on Reanalysis Data)一文。

原文题名Machine Learning Model Demonstrates Promising Seasonal Forecasting Capability
原文链接查看原文
文献类型快报文章
条目标识符http://119.78.100.173/C666/handle/2XK7JSWQ/356023
专题资源环境科学
推荐引用方式
GB/T 7714
刘燕飞. 机器学习模型在季节性预测能力方面展现出良好的前景. 2025.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
机器学习模型在季节性预测能力方面展现出良(16KB)快报文章 开放获取CC BY-NC-SA浏览 请求全文
机器学习模型在季节性预测能力方面展现出良(201KB)快报文章 开放获取CC BY-NC-SA浏览 请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[刘燕飞]的文章
百度学术
百度学术中相似的文章
[刘燕飞]的文章
必应学术
必应学术中相似的文章
[刘燕飞]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 机器学习模型在季节性预测能力方面展现出良好的前景.docx
格式: Microsoft Word
此文件暂不支持浏览
文件名: 机器学习模型在季节性预测能力方面展现出良好的前景.png
格式: image/png
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。