基于注意力机制的雪水当量预测模型
机器学习
2025-11-13 v1 人工智能
大气与海洋物理
摘要
雪水当量（SWE）——即雪盖融化后可获得的水量——是水务管理机构用于灌溉、防洪、发电和干旱管理决策的关键决策变量。SWE 值随空间和时间变化，受天气、地形及其他环境因素影响。虽然每日 SWE 可由具备必要仪器的雪遥测（SNOTEL）站测量，但此类站点空间稀疏，需要插值技术以创建时空完整的数据。尽管近期已有研究探索机器学习（ML）用于 SWE 预测，许多近期的 ML 进展尚待考量。本文的主要贡献是探索其中一种 ML 进展，即注意力机制，用于 SWE 预测。我们的假设是，注意力具有独特能力以捕获并利用可能存在于跨地点或时间谱（或两者）上的相关性。我们提出了一个通用的基于注意力的 SWE 预测建模框架，并使其适应于捕获空间注意力和时间注意力。我们在美国西部 323 个 SNOTEL 站上的实验结果表明，我们的基于注意力的模型优于其他机器学习方法。我们还提供了关键结果，突显了此背景下空间与时间注意力的差异，以及面向生成空间完整 SWE 地图的部署路线图。
引用
@article{arxiv.2311.03388,
title = {Attention-based Models for Snow-Water Equivalent Prediction},
author = {Krishu K. Thapa and Bhupinderjeet Singh and Supriya Savalkar and Alan Fern and Kirti Rajagopalan and Ananth Kalyanaraman},
journal= {arXiv preprint arXiv:2311.03388},
year = {2025}
}
备注
7 pages, To be published in Proceedings of The Thirty-Sixth Annual Conference on Innovative Applications of Artificial Intelligence (IAAI-24)