基于空间感知 Mamba 网络的量子增强 SPEI 干旱预测算法
信号处理
2025-07-09 v2
摘要
由于极端气候变化的影响日益加剧，旨在通过历史气象数据预测干旱的干旱预测 (DF) 对于水资源监测和管理变得日益关键。尽管干旱条件在相邻区域之间通常表现出空间气候一致性，但基于深度学习的基准 DF 方法忽略了这一事实，并采用逐区域的方式进行预测。使用标准化降水蒸散指数 (SPEI)，我们设计并训练了一种新颖且具变革性的空间感知 DF 神经网络，该网络有效捕捉了相邻区域之间的局部交互作用，从而增强了空间一致性和预测准确性。由于 DF 还需要复杂的时间分析，被公认为现有最准确、最高效的时间序列建模方法的 Mamba 网络被采用，以从短期时间帧中提取时间特征。我们还采用了量子神经网络 (QNN) 来纠缠不同时间实例的空间特征，从而对七个不同气象变量的精细化时空特征进行优化，以有效识别短期气候波动。在我们提出的 SPEI 驱动的量子空间感知 Mamba 网络 (SQUARE-Mamba) 的最后阶段，融合了七个不同气象变量提取的时空特征，以实现更准确的 DF。在 El Niño、La Niña 和正常年份的验证实验证明了所提出的 SQUARE-Mamba 的优越性，与基准方法相比，在决定系数 (R^2) 上实现了超过 9.8% 的平均提升，从而说明了时间量子纠缠和 Mamba 时间分析在实现更准确 DF 方面的巨大潜力。
引用
@article{arxiv.2502.20703,
title = {A Quantum-Empowered SPEI Drought Forecasting Algorithm Using Spatially-Aware Mamba Network},
author = {Po-Wei Tang and Chia-Hsiang Lin and Jian-Kai Huang and Alfredo R. Huete},
journal= {arXiv preprint arXiv:2502.20703},
year = {2025}
}
备注
This work has been accepted by IEEE Transactions on Geoscience and Remote Sensing (TGRS)