六小时预报档案缺小时值：WeatherBridge用双向输运补中间时刻，留出时刻误差比线性插值低48.6%
核心概要
许多全球预报档案只给六小时间隔的场，应用却需要逐小时状态。WeatherBridge把两个端点之间的重建写成带查询时间的双向二阶输运，再叠加多尺度与球谐残差修正，在2020年ERA5基准的留出查询时刻上取得最低总体误差：六小时任务归一化RMSE为0.07431，比线性插值的0.144低48.6%，比WeatherDCAE-14M低9.0%。这一优势并非每个场都成立，位势和MSLP仍由WeatherDCAE-14M更好。
深度剖析
在两个六小时端点之间重建被训练时略去的中间小时，学习式插值仍能保持总体误差优势，而不只是复现训练过的时刻。 线性插值把每个格点值当作两端点值之间的直线，移动中的气压系统、水汽带或近地面风特征会因此被削弱；此前对天气时间插值缺少受控比较。 2020年ERA5基准上，六小时任务的留出时刻τ∈{2,4}，WeatherBridge归一化RMSE为0.07431，比WeatherDCAE-14M的0.082低9.0%，比线性插值的0.144低48.6%；十二小时任务留出时刻为0.13277，分别低5.8%和52.3%。
把第2、4小时重新放回训练，只让这两个小时的误差下降约8.8%，训练过的小时几乎不变，说明留出查询时刻的代价可以被单独量出来。 这一对照与主模型共用种子、更新预算、批大小、精度和损失权重，只把训练查询集从{1,3,5}小时换成{1,2,3,4,5}小时。 直接监督使留出小时RMSE在2020年降低8.77%、2021年降低8.78%，而训练小时1、3、5的变化低于0.4%；稀疏查询检查点仍把有用技能迁移到两个被略去的小时。
模型把已解析的天气结构沿查询时间搬运，再用加性分支补上位移无法表达的振幅和形状变化。 输运头输出与天气通道无关的一阶、二阶位移系数，混合门按通道和格点决定两个形变后端点各占多少权重，线性插值始终作为显式回退项保留。 在同一检查点上关闭形变端点输运，2020全年聚合RMSE上升60.54%；关闭加速度项上升2.16%；关闭静力头聚合只变0.04%，但使其修改的全部25个位势/MSLP场–小时单元变差。
在IFS HRES预报轨迹上，ERA5训练的修正迁移不佳，全权重适配后才重新超过线性插值。 未适配的WeatherBridge在2022固定回顾集上只比线性插值好1.23%，WeatherDCAE-14M好0.91%。 24个初始化的2022回顾审计中，全范围粗网格检查点把120个场–小时RMSE均值从0.2902降到0.2691，即7.28%；该分支在查看2022年之后才设计，因此是回顾性结果。
启示与展望
评估范围是0.5°名义网格上24个预报场的确定性插值，锚点间隔为六小时和十二小时，覆盖1000至700百帕的下层对流层以及T2m、U10、V10和MSLP，评估止于后一个锚点。作者指出，当前检查点支持在更细时间网格上做回顾性补间，预警、航路规划等安全关键决策不在其评估范围内。
作者说明，证据只覆盖整数查询小时，连续时间评估和十二小时间的匹配全查询对照仍待补充；十二小时设置下WeatherBridge保留的高频能量少于WeatherDCAE-14M。2022年HRES的7.28%是回顾性数字，因为全范围分支在查看2022年之后才设计，且它把时间重建与预报系统误差修正混在一起；公开WeatherBench-2 HRES档案止于2022年，确认需要更晚的业务档案或独立来源的预报轨迹。