微软/MIT/ECMWF 登 Nature:AI 偏差修正大幅提升 2-6 周预报精度

微软研究院、MIT 与 ECMWF 联合在 Nature 发表研究（Guan 等，Nature 658, 951–957），用机器学习对 2-6 周的次季节天气预报做概率偏差修正，在这一历来最难预测的中间时段实现了破纪录的精度提升，对极端天气事件的预测也有改善。

已确认

• 该方法并非新的预报模型，而是给现有数值预报系统加一层后处理：用 AI 从历史数据中学习预报系统的系统性偏差，推理因果关系，并用现实数据持续校准输出，相当于构建一套「智能验证系统」。
• Nature 的研究 Briefing 介绍，该工具在最具挑战性的次季节区间实现了降水、气温和气压的精准预报，可提前 3-5 周，同时优化了物理模型输出。
• 帖子转述称该工作突破了 Lorenz 提出的经典可预报性限制，并称精度较原有水平成倍提升。
• 微软 CEO Satya Nadella 转发了该研究，表示其有望帮助应对极端天气、管理自然资源与农业决策；他同时判断，未来的进步不只来自更强的模型，还来自围绕模型的验证与校准体系。
• 作者指出，2-6 周一直是传统预报的盲区，但对该时段的可靠预测对应急规划有实际价值（帖子提及 2021 年的应急场景作为例子）。

为什么重要

• 次季节预报长期受限于混沌系统的可预报性上限，此工作说明「后处理 + AI 校准」可以在不重建预报模型的情况下显著扩展有效预报时长，为极端天气应急、农业与自然资源管理提供提前数周的决策窗口。
• 纳德拉的表态也暗示微软将「围绕模型的智能验证」视为 AI 科学应用的重要方向。

2026-10-22 ~ 2026-10-22 · 5 条相关

• 【源头】Nature 论文:AI 将次季节天气预报提前至 3–5 周且更准 — LesterMackey · 2026-10-22
• 【源头】微软/MIT/ECMWF 登 Nature:AI 偏差修正让 2-6 周预报精度翻倍 — LesterMackey · 2026-10-22
• 【源头】纳德拉转发 Nature 研究:AI 把 2-6 周天气预报拉进可用范围 — LesterMackey · 2026-10-22
• 微软研究登 Nature:机器学习攻克 2-6 周天气预报难题 — LesterMackey · 2026-10-22
• MIT 新机器学习方法将 2-6 周期天气预报精度破纪录提升 — LesterMackey · 2026-10-22