李扬 刘玉宝 许小峰

（1 南京信息工程大学，精细化区域地球模拟和信息中心，南京 210044；2 南京信息工程大学，中国气象局气溶胶－云－降水重点开放实验室，气候与环境变化国际合作联合实验室，南京 210044；3 中国气象局，北京 100081）

0 引言

过去的一个世纪里，天气预报已经从基于经验和类比预报的阶段发展到高度自动化和高准确率的预报阶段，这主要得益于大气观测能力的飞速发展、对大气流体力学和其他大气物理过程更精确的描述，以及数字计算能力的出现和飞跃。高时空分辨率数值天气预报模式的开发和新一代地球观测系统的布局，包括气象卫星、气象雷达等先进的业务遥感观测，导致每天所产生的数据量已经远远超出了传统的数据处理方法提取、加工、应用信息的能力。近年来机器学习，尤其是深度学习，展示了处理大数据的强大能力。该方法能从海量数据中提取有效信息和处理非线性问题，已在图像处理、语音识别等领域得到广泛研究，并已被广泛应用于气象领域的极端事件的检测和预测和对流天气短时临近预报。

数值天气预报模式是天气过程预测和气象短时临近预报的重要手段，该方法通过求解一系列数学物理方程模拟大气过程。数值模拟的过程中存在很多不确定性因素，比如不准确的初始条件、物理过程参数化等。由于大气的混沌特性，不准确的初始场以及物理过程的参数化会导致模式结果出现很大的不确定性。……