传统数值天气预报和新兴的大规模人工智能预测模型在提供日常出行方案和极端天气预警方面发挥着关键作用，但两者长期以来都受困于系统性偏差，严重影响了预报的精准度。为了解决这一行业难题，清华大学的研究人员最新开发了一种基于时空相关性的 AI 算法，专门用于修正大气和海洋变量的偏差。该技术的核心在于通过深入分析气象数据在时间和空间上的关联模式，精准识别并消除预测中的系统性误差。与传统方法依赖复杂的物理方程不同，这种新方法能够更灵活地适应复杂多变的环境特征。研究表明，应用该算法后的预报结果在温度和降水等关键指标上，与实际情况的吻合度显著提升，有效弥补了现有模型在长期预测中的短板。这一突破不仅有望提高极端天气预警的及时性和准确性，为防灾减灾提供更可靠的数据支持，同时也为人工智能在气象科学领域的深度应用开辟了新的路径。随着技术的进一步成熟和部署，公众将能享受到更精准的天气预报服务，而相关行业也将因此降低因灾害预测失误带来的经济损失。