【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。