近几十年来，天气预报有了很大的进步。由于监测和计算技术的进步，今天的5天预报与1980年的1天预报一样准确。人工智能可能会再次给天气预报带来革命性的变化。在一项新的研究中，Arcomano等人提出了一种机器学习模型，该模型以与经典的数值天气预报模型相同的格式进行天气预报。

此前，该团队开发了一种高效的机器学习算法，用于大型混沌系统的预测，并演示了如何将该算法整合到一个混合数值机器学习模型中，用于大气条件等动态系统的混合数值机器学习模型。在新的概念验证研究中，研究人员在之前工作的基础上，利用基于水库计算的模型，而不是深度学习模型，减少了他们的机器学习技术的训练时间要求。

研究人员利用欧洲中程天气预报中心的数据训练了他们的模型，并准备了171个独立的20天预报，每个预报只用了1分钟。他们将机器学习预报与三种基准预报进行了比较：每日气候学；假设大气状态在整个预报过程中保持恒定的持久性模型；以及简化参数化、私人方程动力学（SPEEDY）模型，这是数值天气预报模型的低分辨率版本。

他们发现，机器学习模型通常能用3天后的技能预测全球大气状态。该模型在外热带地区的每日气候学和持久性模型的表现都很好，但在热带地区则不然，在预测热带地区和外热带地区的温度和地表的具体湿度方面，SPEEDY模型的表现最好。然而，SPEEDY模型在超过24小时后的风力预测方面仍然优于机器学习模型。作者指出，总的来说，基于水库计算的机器学习模型的效率很高，可能在快速和短期天气预报中很有用。