arXiv 机器学习· Rongwen Li, Haixin Xie, Mingyang Wang, Hongwu Liu, Kun Fang, Changjian Chen, Zhuo Tang, Kenli Li·· 5 小时前AI 评分34
STCFormer：面向站点天气预报的动态聚类时空 Transformer
STCFormer: Adaptive Spatio-Temporal Modeling with Dynamic Cluster Transformer for Station-based Weather Forecasting
AI 导读
研究人员提出用于站点天气预报的自适应时空 Transformer 模型 STCFormer，通过动态对站点聚类，并结合簇内细粒度局部注意力与区域状态全局注意力。在 3 个真实天气数据集涵盖的 8 项气温与风力预测任务中，STCFormer 在全部 8 项任务上均取得最低的 24 小时均方误差（MSE），并在跨指标与周期的 48 项对比中有 47 项排名前两位，相关代码已开源。
来源：arXiv 机器学习 · arxiv.org