CNAI4S
智算平台热点追踪算子框架领域模型科学任务智算套件数据资源智算评测协作社区运行情况

友情链接

科技部工信部北京航空航天大学浙江大学
中山大学北京大学华中科技大学之江实验室
百度飞桨华为昇思中科可控
版权所有:科学智算共性平台 京ICP备18020905号-2
京公网安备11010802046602号
联系邮箱: tianyuc@buaa.edu.cn
科学任务/气象学/CTEFNet: 基于 CNN 与迁移学习的厄尔尼诺预测模型

CTEFNet: 基于 CNN 与迁移学习的厄尔尼诺预测模型

CTEFNet结合卷积神经网络和迁移学习,通过时间序列分析提升厄尔尼诺现象的预测时长,为气候变化研究提供高精度的预测工具。。

气象学华为Model Arts

方法简介

CTEFNet是一种基于深度学习的 ENSO 预测模型,其使用 2D CNN 从气象数据中提取特征,将多个时点特征拼接为时间序列后输入 Transformer Encoder 进行时序分析和 ENSO 预测。 与之前的深度学习模型相比,CTEFNet的有效预测时长延长至19个月。 本案例介绍了CTEFNet的研究背景和技术路径,并展示了如何通过MindEarth训练和快速推理模型。

学科领域

气象学

贡献方

华为Model Arts

方法

CNN

问题类型

预测问题

在线资源

源代码仓库技术文档

相关论文

  • Deep learning for multi-year ENSO forecasts
  • ENSO analysis and prediction using deep learning: A review

共性算子依赖

高阶微分操作

逐元素加法逐元素减法

类似科学任务

海洋三维重建任务评测

基于深度学习的海洋三维重建任务评测,评估从多源二维海洋观测数据重建三维海洋温盐结构的算法性能,助力气象预报与海洋科学研究。

DgmrNet:基于深度生成模型的雷达数据气象短临预报

DgmrNet利用深度生成模型对雷达降水数据进行短临预报,能够对广阔区域进行高精度的天气预测,支持灾害预警和气象服务的优化。

NowcastNet

使用深度学习对极端降水事件进行短期预测,提高天气预报的准确性和实时性。