基于时空神经网络预测帕默尔干旱严重指数空间分布
机器学习
2022-09-02 v2
摘要
特定区域发生干旱的概率对于制定农业相关决策至关重要。预测该概率对于管理而言十分关键，同时也极具挑战性。预测模型应考虑感兴趣区域及邻近区域间具有复杂关系的多种因素。我们通过提出一种基于时空神经网络的端到端解决方案来处理此问题。该模型预测感兴趣子区域的帕默尔干旱严重指数（PDSI）。气候模型的预测提供了模型额外的知识来源，从而带来更精确的干旱预测。我们的模型比基线梯度提升（Gradient boosting）解决方案具有更高的精度，因为其 分数为 ，而梯度提升为 。我们特别关注模型的适用范围。我们检验了全球各个区域以在不同条件下进行验证。我们辅以分析不同情景下未来气候变化如何影响 PDSI，以及我们的模型如何帮助制定更好的决策和更可持续的经济。
引用
@article{arxiv.2208.14833,
title = {Predicting spatial distribution of Palmer Drought Severity Index},
author = {V. Grabar and A. Lukashevich and A. Zaytsev},
journal= {arXiv preprint arXiv:2208.14833},
year = {2022}
}