SEA-ViT：基于 Vision Transformer 与 GRU 时空协方差建模的海表面流预测
大气与海洋物理
2024-09-27 v2 机器学习
摘要
预测海表面流对于航海、环境监测和气候分析等应用至关重要，特别是在泰国湾和安达曼海等地区。本文介绍了 SEA-ViT，这是一种先进的深度学习模型，它将 Vision Transformer (ViT) 与双向门控循环单元 (GRU) 相结合，以捕获时空协方差，从而利用高频 (HF) 雷达数据预测海表面流 (U, V)。SEA-ViT 这个名称源于“使用 Vision Transformer 进行海表面流预测”，突出了该模型对海洋动力学的关注及其对 ViT 架构的运用以增强预测能力。SEA-ViT 旨在利用跨越 30 多年的丰富数据集并结合 ENSO 指数（El Niño、La Niña 和中性相位）来揭示复杂的依赖关系，以解决地理坐标与气候变化之间的错综关系。这一进展增强了海表面流的预测能力，支持了泰国地理信息与空间技术发展局 (GISTDA) 在泰国海域的工作。代码和预训练模型可在 \url{https://github.com/kaopanboonyuen/gistda-ai-sea-surface-currents} 获取。
引用
@article{arxiv.2409.16313,
title = {SEA-ViT: Sea Surface Currents Forecasting Using Vision Transformer and GRU-Based Spatio-Temporal Covariance Modeling},
author = {Teerapong Panboonyuen},
journal= {arXiv preprint arXiv:2409.16313},
year = {2024}
}
备注
16 pages