深度学习与基础模型在天气预测中的应用：综述

文章预览

基于物理的数值模型几十年来一直是大气科学的基础，提供了稳健的解决方案，但往往需要消耗大量的计算资源。深度学习（DL）模型作为气象学中的强大工具应运而生，能够通过学习复杂的依赖关系分析天气和气候数据，并在训练完成后提供快速的预测。尽管这些模型在天气预测中表现出色，往往超越传统的基于物理的方法，但它们仍面临着一些关键的挑战。本文呈现了近年来深度学习和基础模型在天气预测中的应用综述。我们提出了一种分类法，以训练范式为基础，对现有模型进行分类：确定性预测学习、概率生成学习以及预训练和微调。对于每种范式，我们深入探讨了其模型架构，解决了主要挑战，提供了关键见解，并提出了未来研究的有针对性的方向。此外，我们还探索了这些方法在实际应用中的表现，并提供了精选的开源代码库和广泛 ………………………………