Orca：基于时空感知的海洋显著波浪高度估计
机器学习
2024-07-30 v1 大气与海洋物理
摘要
显著波浪高度（Significant Wave Height, SWH）是海洋科学中的关键指标，准确的SWH估计对于 marine energy development、渔业、早期风险警报系统等应用至关重要。传统基于数值模型和物理理论的SWH估计方法受限于计算效率。最近，机器学习方法因提升精度、缩短计算时间而成为有前景的替代方案。然而，由于观测技术受限且成本高昂，现有真实世界数据稀缺，限制了机器学习模型的潜力。为克服这些限制，我们提出了一种海洋SWH估计框架，称为Orca。具体而言，Orca通过一种新颖的时空感知编码模块，增强了经典大语言模型（LLM）在时空推理方面的有限能力。通过对有限浮动站观测数据进行时序分割、对浮动站位置进行空间编码，并设计提示模板，Orca利用LLM的鲁棒泛化能力，有效地以有限数据估计显著波浪高度。Gulf of Mexico上的实验结果表明，Orca在SWH估计中实现了最先进的性能。
引用
@article{arxiv.2407.20053,
title = {Orca: Ocean Significant Wave Height Estimation with Spatio-temporally Aware Large Language Models},
author = {Zhe Li and Ronghui Xu and Jilin Hu and Zhong Peng and Xi Lu and Chenjuan Guo and Bin Yang},
journal= {arXiv preprint arXiv:2407.20053},
year = {2024}
}