FuXi天气预报系统是首个基于机器学习的全球15天天气预报系统，其表现与ECMWF相当。研究表明，FuXi-S2S模型在次季节预测中优于传统模型，能够提供高达42天的预测。FuxiDA框架通过吸收卫星数据来提升预测性能，混合建模方法结合了机器学习与传统模型，增强了天气预测的准确性，显示出FuXi作为传统预报系统的替代潜力。

该研究提出了一个多模式集成天气预报系统，使用混合数据驱动的天气预测模型与ECMWF海洋模型相结合，能够在4周前预测全球天气。对于2米温度的预测，该集成模型相比原始的ECMWF模型提高了4-17％。然而，在应用统计偏差修正后，ECMWF模型在4周时表现更好，优势约为3％。对于其他地表参数，两个模型的性能差距在几个百分点以内。该研究证明了使用基于数据驱动的天气预测模型的多模式集成方法可以实现接近最新技术水平的次季节到季节性天气预报。

该研究介绍了 FuxiDA，一种用于吸收卫星观测数据的 DL-based DA 框架，通过吸收来自风云 - 4B 上的先进准同步辐射成像仪（AGRI）的数据，Fuxi-DA 不断减小分析误差并显著提高预测性能。此外，通过一系列单一观测实验，验证了 Fuxi-DA 与已建立的大气物理模型的一致性和可靠性。

超过 2 周的熟练次季节预测对社会各个领域的广泛应用至关重要。本研究介绍了基于机器学习的 FuXi-S2S 次季节预测模型，它以全球每日平均预测为特点，覆盖了 13 个压力层上的 5 个高层大气变量和 11 个地表变量，提供了高达 42 天的预测。与 ECMWF 的次季节预测相比，FuXi-S2S 模型在总降水、出射长波辐射和 500 hPa 高空位势等方面展示出优越的确定性和集合预测，对...