Key points are not available for this paper at this time.
十年气候预测为决策者提供了关键的科学指导，并支持社会经济的可持续性。然而，先进的动力学模型在预测中高纬度欧亚表面空气温度（SAT）复杂的多年代变异方面仍存在局限性，难以提前几年来进行预测。在这里，我们提出了一种混合深度学习模型——增强的门控递归单元与批量归一化和注意力机制（GRUBA）——通过对多模型集合输出的高级后处理，显著提高了十年预测能力。通过结合K均值时间聚类，GRUBA根据每个SAT簇的独特十年变异逐步精炼。 在2004年至2021年的测试期间，平均异常相关系数技能从-0.23提高到0.83，均方技能分数从-0.37提高到0.68，相较于未加权的多模型集合均值。这一显著改善部分源于注意力机制，有效减少了模型的分散性。此外，SHAP（Shapley加性解释）分析显示，GRUBA对表现更好的集合成员赋予了更高的权重.
Chen等人（Mon，）研究了这个问题。