沙丘社区
论文

以文本环境与空间图进行区域海温预测

Textual Environmental Context and Spatial Graphs for LLM-Based Regional SST Forecasting

Xiong Li, Xiaowei Zhou, Yanwei Yu, Qian Cui, Junyu Dong
上下文与知识上下文工程

摘要

海面温度 (SST) 预报取决于局部时间持续性、区域空间依赖性以及随预报日期变化的环境条件。我们研究如何将这些异构条件呈现给大语言模型 (LLM) 进行区域多步预测，而无需将完整的海表温度网格序列化为文本。我们将预测制定为条件数值生成：历史海表温度和异常序列、日期对齐的环境记录和静态海洋知识形成文本上下文，而区域空间状态则通过连续的图派生前缀提供。静态图编码持久的地理气候关系，动态图编码最近的海温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映射并注入到 LLM 输入中。在南海海温预报中，完整的配置在十个预报步骤的比较方法中实现了最好的MAE和$\Rtwo$。除了数值预测之外，基于规则的模块还将预测趋势和环境因素方向与知识条目相匹配，以返回与源相关的事后上下文解释。

以文本环境与空间图进行区域海温预测：论文原图
图 1：框架概述。在预测原点 $t$，目标单元海表温度和异常历史、环境记录和静态海洋知识形成文本条件。区域观测构建静态地理气候图和特定日期的动态图。两个 GNN 分支对目标节点状态进行编码，分解投影仪将其映射到连续前缀 token 以进行自回归 LLM 预测。然后，一个单独的基于规则的模块将预测趋势和环境因素与知识条目进行匹配，以实现与源相关的事后情境化。