機器學習方法改善兩至六週天氣預報
先了解這件事
2026年10月14日，MIT News報道，MIT研究人員參與的團隊以機器學習後處理模型修正既有預報模型的誤差，改善提前兩至六週的天氣預報。報道稱，該方法在ECMWF預報競賽中排名第一，預報能力較原模型提升一倍並首次勝過氣候平均值，亦改善全球多數地區的陸地預報及極端天氣預測。10月15日00:05，The Verge報道Microsoft公開開源工具概率偏差校正（PBC），稱它提升ECMWF物理天氣模型98%的降水預測目標及92%的温度預測目標準確度，並令ECMWF新AI預報系統的準確度加倍；工具可在CPU上運行。00:39，Unite.AI報道Microsoft Research領銜團隊在《Nature》發表PBC研究，稱其可提升兩至六週預報技能，並公開程式碼。團隊歸屬説法有別：早先報道稱MIT研究人員參與，後續報道稱Microsoft Research領銜。
AI 根據報道生成 · 1 小時前更新
報道時間線
沿着報道，瞭解事件的不同側面。
- Unite.AIMicrosoft Research 團隊在《Nature》發表 AI 天氣預報研究，提出 PBC
Microsoft Research 領銜團隊在《Nature》發表研究，提出機器學習框架概率偏差校正（PBC），作者稱其可提升提前兩至六週的天氣預報技能，並公開程式碼。
- The Verge · AIMicrosoft 公開 PBC 機器學習工具，改善兩至六週天氣預報
Microsoft 研究團隊公開開源機器學習工具 Probabilistic Bias Correction（PBC），透過修正既有天氣模型的系統性偏差，改善提前兩至六週的預報。研究發現，PBC 提升 ECMWF 物理天氣模型在 98% 的降水預測目標及 92% 的温度預測目標上的準確度，並令 ECMWF 新 AI 預報系統的準確度加倍。工具可在 CPU 上運行。
- MIT News精選MIT 研究人員參與開發機器學習方法，提升兩至六週天氣預報準確度
MIT 研究人員參與的團隊開發機器學習後處理模型，透過修正既有預報模型的誤差，提升未來兩至六週的天氣預報準確度。該方案在 ECMWF 預報競賽中獲得第一，預報能力較原模型提升一倍，並首次勝過氣候平均值。研究亦顯示，該方法可改善全球多數地區的陸地預報，並在極端天氣預測上帶來統計上顯著的提升；它也能套用於其他模型。
本事件熱度走勢
當前熱度 19·可比範圍峯值 19（10月15日 01:00）·近 24 小時可比範圍變化 –
趨勢僅比較持續完整觀測到的相同主體，範圍可能小於當前熱度統計。移動指針或點擊圖表查看每小時熱度；鍵盤可用左右方向鍵切換。