天气预报方面的一个有影响的步骤是在业务中引入集合预报，因为它们能够解释未来大气状态的不确定性。然而，集合预报往往分散性不足，也可能包含偏差，这就需要进行某种形式的后处理。一种常用的校准方法是集合模式输出统计方法，它对给定的天气变量产生完整的预测分布。然而，这种形式的单变量后处理可能会忽略不同维度之间普遍存在的空间和时间相关结构，而多变量后处理可以捕获这些可能丢失的依赖关系。研究人员比较了不同的非参数多变量方法在模拟不同预报时段的集合天气预报的时间依赖性时的预报技巧。研究重点是两步法，即在单变量后处理后，将对应于不同预报时段的集合模式输出统计预测分布合并到使用经验连接方法的多变量校准预测中。基于ECMWF2002年1月至2014年3月的气温、风速和累积降水的全球集合预报，研究了不同版本的集合连接耦合（ECC)和Schaake洗牌法（Schaake shuffle）的预报技巧。总的来说，与原始和独立校准的预测相比，多变量后处理大大提高了预报技巧。相关成果以Comparison of multivariate post-processing methods using global ECMWF ensemble forecasts为题发表在 Quarterly Journal of the Royal Meteorological Society 期刊上。