用于降水临近预报的图双流卷积注意力融合

准确的降水临近预报对于洪水预测、灾害管理、农业优化和交通管理等应用至关重要。虽然许多研究使用序列到序列模型来处理此任务，但大多数仅关注单一区域，忽略了不相交区域之间的相关性。我们将降水临近预报重新表述为时空图序列问题。具体而言，我们提出了图双流卷积注意力融合（Graph Dual-stream Convolutional Attention Fusion），这是图注意力网络的一种新颖扩展。我们模型的双流设计采用了不同的注意力机制来处理空间和时间交互，以捕捉其独特的动态。一个门控融合模块整合了这两个流，利用空间和时间信息以提高预测精度。此外，我们的框架通过在图节点内直接处理三维张量来增强图注意力，无需进行重塑。这种能力使得能够处理复杂的高维数据并利用数据维度之间的高阶相关性。我们还引入了深度可分离卷积以细化局部特征提取并有效管理高维输入。我们使用来自 Copernicus Climate Change Services 的七年降水数据（覆盖欧洲及周边地区）评估了我们的模型。实验结果表明，与其他模型相比，我们的方法具有更优越的性能。此外，对季节性和时空注意力分数的可视化提供了关于区域和时间步长之间最重要连接的见解。