L'IA face aux grands problèmes du monde · Sciences de la Terre et du climat · Nature · 2026-10-14
Faire progresser les prévisions subsaisonnières grâce à l'apprentissage automatique
Titre original: Advancing subseasonal forecasting with machine learning
La performance des prévisions chute fortement aux échelles de temps subsaisonnières, de 2 à 6 semaines à l'avance. Les auteurs présentent la correction de biais probabiliste, un cadre d'apprentissage automatique qui apprend à corriger les prévisions probabilistes historiques, et l'appliquent aux principaux modèles dynamiques et d'IA du CEPMMT. Elle a doublé la performance subsaisonnière modeste de l'AI Forecasting System et amélioré le modèle dynamique pour la plupart des cibles de pression, de température et de précipitations, et lors du concours en temps réel 2025 du CEPMMT, ses prévisions globales ont été les meilleures.