概率波浪预报校正:BridgeCast通过流式匹配连接物理模型与再分析资料

12 十一月 20264 视图

本文介绍了一种混合方法,利用条件流匹配、Transformer 架构和外生大气特征,将物理海浪模型的输出转换为接近再分析数据的场。作者称,该方法在不同预报时效和不同区域均稳定优于此前的先进基线方法。

概率波浪预报校正:BridgeCast通过流式匹配连接物理模型与再分析资料

波浪预报偏差校正任务

海浪预报对海上安全、海上作业和海岸韧性至关重要。物理模型受到近似和参数化的限制。复杂的海洋—大气条件会加剧这些限制。校正任务旨在减少预报偏差。

主要应用领域:

  • 海上安全;
  • 海上作业;
  • 海岸韧性。

物理模型的局限:

  • 近似;
  • 参数化;
  • 复杂的海洋—大气条件。

选择标准是复杂的海洋—大气条件,因为在这些条件下,物理模型的局限会更加明显。

概率校正中的流匹配

BridgeCast 是一种用于物理与 AI 混合方法的概率模型。作者提出该模型,用于校正海浪预报偏差。该模型基于 conditional flow matching (CFM)。CFM 学习将物理模型的预报转换为类似再分析数据的场。

该方法的关键要素:

  • 将物理模型的预报视为含噪观测;
  • 连续时间生成过程将其分布转换为再分析数据的分布;
  • 目标分布是再分析数据。

结论:该模型使预报分布与再分析数据分布相匹配。实际标准是需要对场进行概率校正,而不是进行单次修正。

架构与生成式推断

BridgeCast 采用基于 Transformer 的架构,负责时空建模。模型包含外生大气变量。推断通过常微分方程或随机微分方程的形式进行。

模型组件:

  • 用于时空建模的 Transformer;
  • 外生大气变量;
  • 通过 ODE 或 SDE 的形式进行推断。

结论:该架构将物理预报、大气背景和生成式推断结合起来。实际标准是该方法是否包含大气变量和时空建模。

与基线方法的比较

作者在真实数据集上进行了实验。BridgeCast 的表现稳定优于基线方法。这些基线方法被认为是先进方法。在不同区域和不同预报时效下,BridgeCast 均表现出优势。

方法在实验中的作用论文中的结果
BridgeCast基于 CFM 的概率校正在不同区域和不同预报时效下稳定优于基线方法
基线方法被认为是先进方法根据论文数据,表现不如 BridgeCast

结论:比较结果表明,该方法在不同条件下表现稳定。实际标准是实验条件是否与目标区域和预报时效相符。

发表状态与选择范围

作者将论文发布在 arXiv 上:2610.03759。第一版于 2026年9月27日提交。最新版本于 2026年10月20日发布。作者:Siyu Gan、Dongsheng Luo、Kunxiaojia Yuan、Dongjin Song、Jingchao Ni。

正式信息:

  • arXiv 标识符:2610.03759;
  • v1 — 2026年9月27日;
  • v3 — 2026年10月20日;
  • 作者:Siyu Gan、Dongsheng Luo、Kunxiaojia Yuan、Dongjin Song、Jingchao Ni。

结论:选择时应关注模型经过验证的区域和预报时效。实际标准是将论文声称的结果与任务条件进行比较。

常问问题

概率波浪预报校正:BridgeCast通过流式匹配连接物理模型与再分析资料