Esta pré-publicação do ECMWF fez algo bastante específico: incorporou uma rede neural ao modelo de previsão IFS e usou o 4D-Var para aprender online correções dos erros do modelo durante o ciclo de assimilação de dados. O treinamento sequencial com uma única janela reduziu os erros em mais de 10% durante o período de treinamento, mas não funcionou com dados não vistos. Ao passar para o processamento em lote — executando várias janelas de assimilação em ordem aleatória e calculando a média dos incrementos dos parâmetros —, o desempenho preditivo fora da amostra finalmente melhorou de forma estável. Na prática, o aprendizado online é tratado como uma otimização estocástica em minilotes: quanto maior o lote, mais rápida a convergência e menor o ruído nas atualizações.

$BTC