A multi-scale loss formulation for learning a probabilistic model with proper score optimisation

要約

確率的機械学習の天気予報モデルをトレーニングするためのマルチスケール損失定式化の影響を評価します。
マルチスケールの損失は、欧州中距離天気予報（ECMWF）で開発された機械学習の気象予測モデルであるAIFS-CRPSでテストされています。
AIFS-CRPSは、ほぼ公正な連続ランク付けされた確率スコア（AFCRPS）を直接最適化することによりトレーニングされます。
マルチスケールの損失は、予測スキルに悪影響を与えることなく、小規模の変動をより良く制約します。
これにより、スケールアウェアモデルトレーニングにおける将来の作業のための有望な方向性が開かれます。

要約(オリジナル)

We assess the impact of a multi-scale loss formulation for training probabilistic machine-learned weather forecasting models. The multi-scale loss is tested in AIFS-CRPS, a machine-learned weather forecasting model developed at the European Centre for Medium-Range Weather Forecasts (ECMWF). AIFS-CRPS is trained by directly optimising the almost fair continuous ranked probability score (afCRPS). The multi-scale loss better constrains small scale variability without negatively impacting forecast skill. This opens up promising directions for future work in scale-aware model training.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google