AviaSafe：面向航空安全关键云 forecast 任务的物理驱动数据驱动模型
机器学习
2026-02-27 v1 人工智能
摘要
当前的人工智能天气预报模型仅预测常规大气变量，无法区分航空安全关键的云微物理物种。我们引入 AviaSafe，一个层次化的物理驱动神经网络预报器，可生成前7天的全局六小时频率的四种水汽态物种预测。我们的ethods 解决了云预测的独特挑战：极端稀疏性、离散分布以及物种间复杂的微物理相互作用。我们将航空气象学中的冰conditions (IC) 指数作为物理约束集成进模型，以识别超冷水驱动爆炸性冰晶生长的区域。该模型采用层次化架构，首先通过掩码注意力预测云的空间分布，然后在识别出的区域内量化物种浓度。基于 ERA5 再分析数据训练的该模型在云物种预测上实现更低的均方根误差（RMSE），并在7天预报时优于常规数值模式。能够预测单个云物种的能力，使航空航线优化的新应用成为可能，区分冰和液态水可决定发动机冰霜风险。
引用
@article{arxiv.2602.22298,
title = {AviaSafe: A Physics-Informed Data-Driven Model for Aviation Safety-Critical Cloud Forecasts},
author = {Zijian Zhu and Qiusheng Huang and Anboyu Guo and Xiaohui Zhong and Hao Li},
journal= {arXiv preprint arXiv:2602.22298},
year = {2026}
}