基于严格评分规则的扩散模型用于概率天气预报

针对现有概率天气预报在长预测期不确定性高的问题，研究提出基于严格评分规则的扩散模型框架。该方法通过引入辅助条件去噪任务学习条件分布，且推理时仍能单次前向传播生成集合成员。实验表明，该框架在高维全球天气预报的从头训练与微调中均取得显著提升，在更长预测期增益更大，并改善了模型校准度。