【AAAI2022】基于局部条件图卷积的时空神经网络模型

在手机上刷一下即时天气预报，已经是很多人的日常习惯性动作。而你有想过这些温度、降水、风力等等天气信息数字，是怎么来的吗？

其实，传统的天气预报背后，是基于一些特定物理规则建模而成的天气数值预报模型。天气数值预报模型是大气、陆地、海洋、冰冻圈内等局部特征组成的复杂系统的数学表达（即以数学的方式“呈现”了这些自然系统）——它包括可表征物理过程的Navier-Stokes方程和Clausius-Clapeyron方程等，也包括在物质和能量平衡约束下基于实测而建立的参数化方案。尽管目前这种模型已得到广泛应用，但它依然存在两方面问题：一是，模拟精度有待进一步提高，比如模型spin-up时期（可以理解为模型“调整”的过程）的预报精度问题；二是，计算资源消耗巨大。

研究团队创新性地提出了一种可被运用到天气预报中的图卷积时空神经网络模型。该模型主要综合了三种思路，球面信号处理、图卷积神经网络和序列神经网络。其中，球面信号处理方法被用于改进已有图卷积神经网络（即上文所述的第一种、第二种思路综合）——负责捕获地球球面空间中局部区域间的关联模式（比如区域温度之间的传导关系强弱）。序列神经网络（即上文所提的第三种思路），则负责捕获气象系统在时间维度上的演化。

交通流量预测与气象流动在局部模式下的差异

由此，该模型可被应用在天气短时预报。文中的实验设置为：根据各类气象要素前12小时的信号，预测后12小时的情况，例如温度、云覆盖率、风速和风向等等。较之传统的天气预报方法，该方法提升了预测精准度（以温度为例，预测误差大约在一度左右），并且能够更快更高效地生成预测结果（因为计算量精简，计算代价降低）。

https://www.zhuanzhi.ai/paper/ccade660ed3929f9bb4ae5fea5bf65ab

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“STMF” 就可以获取《【AAAI2022】基于局部条件图卷积的时空神经网络模型》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取70000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取70000+AI主题知识资源