基于分辨率感知的检索增强零样图预测
机器学习
2025-10-21 v1 信息检索
摘要
零样图预测旨在预测先前未出现的情形的结果，无需直接的历史数据，这对传统预测方法构成了重大挑战。我们引入了一种分辨率感知的检索增强预测模型，通过利用空间相关性和时间频率特征来增强预测准确性。通过将信号分解为不同频率分量，我们的模型采用分辨率感知检索，低频分量依赖更广泛的空间背景，而高频分量则聚焦于局部影响。这使模型能够动态检索相关数据并适应新的位置，仅凭极少的历史背景。应用于微气候预测，我们的模型显著优于传统预测方法、数值天气预报模型和现代基础时间序列模型，ERA5数据集上相较于HRRU实现71%更低的均方误差(MSE)，相较于Chronos实现34%更低的MSE。我们的结果凸显了检索增强和分辨率感知策略的有效性，为微气候建模及其它领域的零样图预测提供了可扩展且数据高效的解决方案。
引用
@article{arxiv.2510.16695,
title = {Resolution-Aware Retrieval Augmented Zero-Shot Forecasting},
author = {Iman Deznabi and Peeyush Kumar and Madalina Fiterau},
journal= {arXiv preprint arXiv:2510.16695},
year = {2025}
}