作者：Wang, Bin, Zheng Yan, Huaishao Luo, Tianrui Li, Jie Lu, and Guangquan Zhang.
摘要：精准的天气预报可为居民出行、粮食储藏、能源预测、产能优化、交通导流、航空航海等诸军民需求提供更精准的天气信息以供于决策支持。如何针对气象要素高度复杂性、不确定性进行有效建模，从而进行准确的预报，成为一个极具挑战性的问题。传统的数值天气预报方法受初始化随机性的影响，预报往往存在较大偏差。本文基于人工智能技术中的深度学习模型，提出了高效的多源信息融合方法，设计了一种可以进行不确定性量化的新型损失函数，并将其用于训练深度学习模型过程中，不仅能够更准确地进行气象要素预报，还可以进行气象变化范围的置信区间预报。与传统的数值天气预报方法相比，该方法能够降低预报误差高达51.28%。
论文链接：https://arxiv.org/pdf/1812.09467.pdf
