Water Resources | 使用可解释的Transformer神经网络预测天气预报的多样化环境时间序列

文章预览

使用可解释的Transformer神经网络预测天气预报的多样化环境时间序列 1 研究背景 社区、经济和自然生态系统极易受到极端天气和气候相关灾害的影响。气候变化的增加和平均气候的变暖导致了更频繁和严重的事件。 近年来，跨地区和生态系统对可靠的环境预报系统来指导灾害规划和自然资源管理的需求大大扩大。 机器学习方法与对开放访问的高质量环境数据库（即高分辨率原位和遥感观测数据以及基于过程的存档模拟）的广泛访问相结合，允许以出色的计算效率和通常出色的性能对高度复杂的系统和现象进行建模。 Transformer 神经网络的性能优于递归神经网络 （RNN），现在是自然语言处理 （NLP） 建模的当前最先进技术，自然语言处理 （NLP） 建模是人工智能 （AI） 的一个子领域，由于其相似的顺序性质，许多 TSF 框架已经从该子领域进行了改编 ………………………………