待验证50% 置信事实精确时间

主流机器学习天气预报模型普遍采用固定时间分辨率下的自回归滚动方式生成预报

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

SDECast：用神经随机微分方程实现连续时间天气预报

涉及实体

autoregressive rolloutconcept

相关事实

待验证机器学习模型可通过分析历史负荷、天气预报和可再生能源出力，实现更精准的电网调度与预测，减少弃风弃光78% 相似待验证到站时间预测的现代系统引入概率性预测模型，如卡尔曼滤波用于实时状态估计或基于历史数据的机器学习模型77% 相似待验证气候科学领域的GraphCast模型实现了超越传统数值天气预报的10天精准预测74% 相似待验证机器学习系统通过对大量数据的训练自动发现规律并在新数据上进行泛化预测71% 相似待验证AI天气模型的核心逻辑是把大气初始状态类比为token输入模型，预测下一状态（如6小时后），并通过自回归方式继续推演，与LLM逐token生成方式相似70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/976050

API

curl https://kongchang.com/api/v1/knowledge/claims/976050

MCP

get_claim(id=976050)