中国云南地区气候预测模型的评估:传统方法和人工智能方法
Junfan Zhao1, Fan Zhao2, Hang Deng1
1College of Big Data and Intelligent Engineering, Southwest Forestry University, Kunming, China.
Scientific reports
|December 8, 2025
概括
人工智能 (AI) 模型在复杂地形中显著改善了区域气候预测,而不是传统方法. LSTM-变压器和CNN-LSTM模型在温度,湿度和降水预测方面显示出卓越的准确性.
科学领域:
- 气候科学 气候科学
- 人工智能的人工智能
- 数据科学数据科学数据科学
背景情况:
- 区域气候变化对于风险管理至关重要,特别是在云南省等复杂的地形中.
- 像RegCM这样的传统区域气候模型 (RCMs) 在准确性和计算效率方面存在局限性.
研究的目的:
- 评估各种AI模型的性能,以预测温度,降水和相对湿度.
- 在复杂的地形区域中,将AI模型性能与传统的RCM进行比较.
主要方法:
- 评估了五种人工智能模型:CNN,LSTM,变压器,CNN-LSTM和LSTM-变压器.
- 利用了25个站点 (2004-2018) 的每日气象数据.
- 在基于序列的模型中使用维度缩小和时间特征编码;使用RMSE,MAE和R进行评估.
主要成果:
- 人工智能模型显著优于RegCM,特别是在温度和湿度方面.
- 在温度 (RMSE=0.7410,R=0.9938) 和湿度 (RMSE=3.7054,R=0.9710) 上,LSTM-变压器实现了最高准确度.
- CNN-LSTM显示了降水的最高准确度 (RMSE=4.7260,R=0.8559). 这是一个非常好的结果.
结论:
- 人工智能模型为异质地区的多变量气候预测提供了强大的数据驱动方法.
- 这些发现支持使用人工智能进行增强的气候风险评估和预警系统.
