arXiv 物理· Hancheng Ren, Gang Zhao, Shuo Wang, Louise Slater, Dai Yamazaki, Shu Liu, Jingfang Fan, Xueying Li, Shibo Cui, Ziming Yu, Shengyu Kang, Depeng Zuo, Dingzhi Peng, Zongxue Xu, Bo Pang·· 11 小时前精选AI 评分60
GraphRiverCast：拓扑感知基础模型实现全球河网水动力预测
Learning global river system hydrodynamics with a topology-informed foundation model
AI 导读
研究团队提出拓扑感知的河流基础模型 GraphRiverCast（GRC），可在无先验河流状态条件下，基于稀疏水文站观测对全球河网逐河段预测每日多变量水动力。GRC 表现优于强物理模型和机器学习模型，其预测技巧随预见期衰减很小，并可泛化到无观测河段和更高分辨率河网。归因实验显示，GRC 更多依赖拓扑与强迫信息重建河流状态，而非依赖时间递归。
推荐理由
论文提出以拓扑结构约束的河流基础模型，为观测稀疏的地球系统建模提供了一种可迁移思路。
来源：arXiv 物理 · arxiv.org