Инновационные гибридные модели повышают точность прогнозирования влажности почвы

Исследователи из Университета Сунь Ятсена представили гибридные модели, объединяющие физически обоснованные модели и методы глубокого обучения, что значительно повышает точность прогнозов влажности почвы. Эти прогнозы критически важны для мониторинга засух и управления водными ресурсами.

Традиционные физические модели имеют неопределенности в параметрах и ограниченно описывают процессы на поверхности суши. Новая работа, опубликованная в журнале Advances in Atmospheric Sciences, предлагает использовать механизмы внимания и ансамблевые методы для интеграции двух подходов. Это позволяет адаптивно извлекать важные пространственно-временные закономерности и улучшать прогнозы для разных регионов.

«Насколько нам известно, это первое исследование, которое использует как механизм внимания, так и ансамблевые методы для интеграции физически обоснованных моделей и моделей глубокого обучения для прогнозирования влажности почвы», — пояснил профессор Юнцзю Дай. Результаты показывают, что ансамблевая гибридная модель превосходит текущие модели в долгосрочных прогнозах, а модель с механизмом внимания лучше справляется с прогнозированием засух.