Unicorn：用于海冰预报的卷积神经普通微分方程U-Net
人工智能
2025-10-21 v2 大气与海洋物理
摘要
北极海冰对全球气候动力学至关重要，但由于多变量间复杂的相互作用，准确预测海冰是一个重大挑战。许多研究转向神经网络进行海冰预报，由于其能够无缝集成多个输入并展现出强大的性能。本文提出一种新型深度架构，名为Unicorn，用于预测周度海冰。我们的模型整合了多个时间序列图像以增强其预测性能。此外，我们在U-Net架构中引入瓶颈层，作为带有卷积运算的神经普通微分方程，以捕捉潜在变量的时空动力学。通过涵盖1998年至2021年的真实数据分析，我们提出的模型在海冰浓度预测任务中显著优于当前最先进的模型，平均MAE提高了12%。此外，我们的方法在海冰范围预测中优于现有方法，分类性能提升约18%。这些实验结果显示我们所提出模型的优越性。
引用
@article{arxiv.2405.03929,
title = {Unicorn: U-Net for Sea Ice Forecasting with Convolutional Neural Ordinary Differential Equations},
author = {Jaesung Park and Sungchul Hong and Yoonseo Cho and Jong-June Jeon},
journal= {arXiv preprint arXiv:2405.03929},
year = {2025}
}