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。。
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
高阶微分操作