基于天气预报与地理时间序列数据的厄尔尼诺预测
机器学习
2026-04-08 v1
摘要
本文提出了一种新颖的框架，用于提升厄尔尼诺事件的预测准确率和提前量，这对于缓解其全球气候、经济和社会影响至关重要。传统预测模型通常依赖海洋和大气指数，这些指数可能缺乏综合气象和地理数据集所捕获的粒度或动态交互。我们的框架将实时全球天气预报数据与异常、次表层海洋热含量以及不同时间和空间分辨率下的大气压力相结合。利用一种混合深度学习架构，该架构结合卷积神经网络（CNN）进行空间特征提取和长短期记忆（LSTM）网络进行时间依赖建模，该框架旨在识别厄尔尼诺事件的复杂前兆和演化模式。
引用
@article{arxiv.2604.04998,
title = {El Nino Prediction Based on Weather Forecast and Geographical Time-series Data},
author = {Viet Trinh and Ha-Vy Luu and Quoc-Khiem Nguyen-Pham and Hung Tong and Thanh-Huyen Tran and Hoai-Nam Nguyen Dang},
journal= {arXiv preprint arXiv:2604.04998},
year = {2026}
}