arXiv · cs.AI· Ruizhe Huang, Qidong Yang, Jonathan Giezendanner, Sherrie Wang·· 2 天前
真实站点近地面数据同化生成模型基准测试
Benchmarking Generative Models for Near-Surface Data Assimilation on Real Station Observations
arXiv:2610.00728v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ruizhe Huang, Qidong Yang, Jonathan Giezendanner, Sherrie Wang
首次提交：2026-10-01 05:18
研究任务与主要进展
作者基于美国本土11,849个NOAA MADIS站点和4个近地面变量，开展生成式近地面数据同化基准测试，并在留出站点上比较不同设计与3D-Var基线。最佳生成方法的RMSE相对ERA5改善35.7%，超过3D-Var的33.3%；全梯度引导持续优于停止梯度和初始噪声优化，而扩散与流匹配表现接近，潜空间变量混合未显示明显收益。材料仅提供论文摘要，未说明完整实验细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org