两周到六周的天气预报不再靠掷骰子：后处理层把准确率翻倍，首次稳定超过气候平均

次季节预报有了可用的订正手段：在两周到六周这个被称为“可预报性荒漠”的时段，预报结果第一次稳定优于气候平均。 此前该时段的预报大多比气候平均还差，业内甚至质疑这个时间范围是否值得投入模式研发。 研究团队把带后处理层的三个模式提交给欧洲中期天气预报中心（ECMWF）的季度预报竞赛，其中把ECMWF模式与另一个模式结合再加订正的那一份获得第一名，预测能力达到原模式的两倍。

做法是在现有预报模式外面套一层学习误差的包装：它从历史数据中量化某个预报系统的系统性偏差，再据此平移该系统的预报。 其他预报系统也做误差订正，但方式更简单，而这层后处理会随新预报和新数据不断自适应改进。 该订正被应用到其他模式上同样带来提升，使较弱的模式接近ECMWF预报的水平；训练使用了MIT的Engaging超级计算集群，但模型运行本身不需要超级计算机。

订正还改善了极端天气的预测能力，这一点对社会影响可能最大。 ECMWF自己开发的非AI误差订正反而让极端天气预测变差，因为传统偏差订正总是把结果拉向均值，而极端天气位于概率分布的边缘。 极端天气预测能力的提升具有统计显著性，覆盖洪水、寒潮等事件。

该技术面向两周到六周的次季节预报，适用于能源、农业和应急管理场景，研究显示它能改善全球多数区域的陆地预报，并可作为附加层用于其他预报模式。肯尼亚共和国气象部门已就采用该模型改善季风季预报、提升今年冬季农业产量进行接洽。

该模型是在ECMWF季度预报竞赛中检验的，其提升幅度以该竞赛设置和所用模式组合为准；极端天气预测的改善被描述为具有统计显著性，但未给出具体事件类别之外的量化范围。