热点事件持续更新
研究团队提出用于次季节土壤湿度预测的ViT模型
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月7日，研究人员在 arXiv 发布研究，构建了基于双路径时空注意力机制的 Vision Transformer（ViT）架构，专门用于欧洲次季节（S2S）土壤湿度预测。在 2021 至 2022 年的基准测试中，该模型在所有预报时效上的确定性与概率技巧均优于 ECMWF 业务系统及其他深度学习基准，能够可靠识别低于第 20 百分位数的极端干旱根区状态。不过研究也指出，准确预测骤旱的爆发依然是当前次季节预测系统普遍面临的挑战。
AI 根据报道生成 · 3 小时前更新
最新进展10月7日 12:00
研究团队构建基于双路径时空注意力的ViT模型，次季节土壤湿度预测技巧优于ECMWF业务系统。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv 机器学习数据驱动的次季节土壤湿度预测：骤旱预测的前景与局限
研究人员构建了基于双路径时空注意力的 Vision Transformer 架构，用于欧洲次季节（S2S）土壤湿度预测。在 2021-2022 年基准测试中，该模型在所有预报时效上的确定性与概率技巧均优于 ECMWF 业务系统及深度学习基准，能可靠识别低于第 20 百分位数的极端干旱根区状态。但准确预测骤旱爆发仍是当前 S2S 预测系统面临的普遍挑战。
本事件热度走势
当前热度 9·可比范围峰值 10（10月7日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。