arXiv cs.AI· Xiong Li, Xiaowei Zhou, Yanwei Yu, Qian Cui, Junyu Dong·· 10 天前AI 评分12
文本环境上下文与空间图：基于 LLM 的区域海表温度预报
Textual Environmental Context and Spatial Graphs for LLM-Based Regional SST Forecasting
AI 导读
研究提出将历史 SST 与异常序列、日期对齐的环境记录和静态海洋知识组成文本上下文，并通过静态图与动态图经 GNN 生成目标节点表示，以空间前缀融合注入 LLM 输入，实现区域多步海表温度预报。在南海 SST 预报的十个预报步上，完整配置取得对比方法中最佳 MAE 和 R²。规则模块还将预测趋势与环境因子方向匹配知识条目，输出可溯源的事后解释。
正文 · AI 翻译
摘要：海表温度（SST）预报依赖于局部时间持续性、区域空间依赖性以及随预报日期演变的环境条件。我们研究如何将这些异质条件呈现给大型语言模型（LLM），以进行区域多步预报，而无需将完整的 SST 网格序列化为文本。我们将预报表述为条件数值生成：历史 SST 和异常序列、与日期对齐的环境记录以及静态海洋知识构成文本上下文，而区域空间状态则通过连续的图导出前缀提供。静态图编码持久的地理—气候关系，动态图编码近期 SST 相关性和局部热带气旋影响。两个图神经网络生成目标节点表示，该表示通过空间前缀融合进行映射并注入 LLM 输入。在南海的 SST 预报中，完整配置在十个预报步长上在所比较的方法中取得了最佳的 MAE 和 $\Rtwo$。除数值预报外，一个基于规则的模块将预测趋势和环境因子方向与知识条目匹配，以返回带来源链接的事后情境解释。
| 评论： | 预印本 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.07895 [cs.AI] |
| （或 arXiv:2610.07895v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07895 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xiaowei Zhou [查看电子邮件]
[v1]
2026年10月6日星期二 07:42:51 UTC（4,981 KB）
来源：arXiv cs.AI · arxiv.org