大型语言模型预测2024年印度夏季季风降雨量高于正常水平
原文中文,约400字,阅读约需1分钟。发表于: 。本研究解决了印度夏季季风降雨量(AISMR)预测中的准确性问题,采用最新的PatchTST大型语言模型进行改进和调优,使其能够提前三个月准确预测。经过训练的模型显示出极低的均方根误差和高相关性,相较于传统神经网络模型,其预测2024年降雨量为921.6毫米,准确性提升约80%。
研究提出了aLLM4TS框架,用于大型语言模型的时间序列学习。通过自监督多补丁预测任务,框架更好地捕捉时间动态。训练分为因果连续预训练和目标环境微调两个阶段。独特的补丁解码层设计增强了时间序列表示能力。aLLM4TS在多个任务中表现优异,推动了LLMs在时间序列分析中的应用。