AIFL: 用业务化机器学习推进全球河流流量预测

摘要

ECMWF 指出，洪水每年影响的人数超过任何其他自然灾害，准确的河流流量预报对预警、水库调度和生命保护至关重要。ECMWF 已为欧洲洪水预警系统（EFAS）和全球洪水预警系统（GloFAS）提供计算支撑超过15年，将天气预报与基于过程的 hydrological 模型结合。新研究提出 AIFL，一种直接从数据学习、并能应对业务天气预报现实的全球河流流量预测模型，隶属于 Destination Earth（DestinE）计划的水文部分。AIFL 采用两阶段训练策略，先用40年 ERA5-Land 再分析数据预训练 LSTM 网络，以应对再分析资料到业务预报的域偏移问题，该偏移会显著降低模型在真实场景中的表现。