- 科学出版社
- 9787030839565
- 1版
- B5
- 2026-03
内容简介
本书聚焦人工智能在天气预测中的关键应用，系统阐述生成大模型（如去噪扩散概率模型、生成对抗网络、流模型等）在天气预测建模任务中的理论基础、技术路径与工程实践。针对传统数值天气预报在短时强降水、高分辨率预报中的局限性，本书提出以生成模型为核心的预测新技术，深入剖析其在雷达图像生成、时空特征建模、降水强度分级预测、极端降水识别等关键问题中的应用策略。
全书系统介绍时空条件去噪扩散概率模型、时空可分离隐空间去噪扩散概率模型、因果注意力Transformer去噪扩散概率模型及物理-神经深度融合预报模型等核心架构，全面覆盖降水预测模型的设计、训练、推理与评估全流程。同时拓展至中长期气候预测领域，详细介绍了先进深度学习框架的应用及ENSO（厄尔尼诺-南方涛动）等典型气候现象的建模与预测方法，提供了全尺度预测视角。
全书系统介绍时空条件去噪扩散概率模型、时空可分离隐空间去噪扩散概率模型、因果注意力Transformer去噪扩散概率模型及物理-神经深度融合预报模型等核心架构，全面覆盖降水预测模型的设计、训练、推理与评估全流程。同时拓展至中长期气候预测领域，详细介绍了先进深度学习框架的应用及ENSO（厄尔尼诺-南方涛动）等典型气候现象的建模与预测方法，提供了全尺度预测视角。
