FDMNet：一种面向多步风向矢量预测的频率感知双分支网络

《Atmosphere》：FDMNet: Frequency-Aware Dual-Branch Modeling for Wind-Vector Prediction

　　

摘要

近地面风预测要求模型能够表示广泛的空间模式和局部变化。我们引入了 FDMNet，一个用于多步风向矢量预测的频率感知双分支网络。逐变量编码器和多头变量注意力相结合以融合气象场。潜在通道在注意力状态空间和深度可分离卷积分支之间进行划分，其输出使用挤压激发权重进行融合。这种划分是基于空间尺度差异而设计的，并未施加显式的频谱截断。我们使用欧洲中期天气预报中心第五代再分析资料 (ERA5) 的 WeatherBench 2 数据对修正后的实现进行了评估，其中 1979–2015 年用于训练，2016 年用于验证，2017–2018 年用于测试。该模型使用十二个六小时输入场来预测接下来的十二个场，覆盖 72 小时的范围。FDMNet 的池化面积加权向量均方根误差为 2.7125 米/秒，时间注意力单元 (TAU) 基线为 2.7710，恒值预报法为 5.6567。相对于 TAU，FDMNet 将池化误差降低了 2.11%，在十二个预测时次中的十个时次误差更低，但在 12 和 18 小时时次误差更高。这两个模型各训练了一次，使用了不同的学习率。归档的区域运行数据包含输入分组错误，未用于验证修正后的模型。需要重复训练、组件消融实验和区域评估来评估观察到的改进的机制和普适性。