谱感知文本到时间序列生成：基于十亿规模多模态气象数据
机器学习
2026-03-31 v1 机器学习
摘要
文本到时间序列的生成在气象学中尤为重要，因为自然语言为复杂的多尺度大气动力学提供了直观的控制手段。现有方法受限于缺乏大规模、物理基础的多模态数据集，以及忽略天气信号谱-时结构的架构。我们提出一个统一的文本引导气象时间序列生成框架。首先，我们引入 MeteoCap-3B，一个十亿规模的气象数据集，通过多智能体协作标注（MACC）流程生成专家级描述，产生信息密集且物理一致的标注。基于该数据集，我们提出 MTransformer，一个基于扩散的模型，通过谱提示生成器（Spectral Prompt Generator）将文本描述映射到多波段谱先验，利用频率感知注意力引导生成，从而实现对语义的精确控制。在真实世界基准上的广泛实验表明，该方法在生成质量、跨模态对齐、语义可控性以及数据稀疏和零样本设置下的下游预测方面均达到最先进水平。在通用时间序列基准上的额外结果表明，所提出的框架可泛化至气象学之外。
引用
@article{arxiv.2603.27135,
title = {Spectral-Aware Text-to-Time Series Generation with Billion-Scale Multimodal Meteorological Data},
author = {Shijie Zhang},
journal= {arXiv preprint arXiv:2603.27135},
year = {2026}
}
备注
Accepted By IJCNN 2026 (WCCI)