基于领域先验知识的时空神经网络模型在MJO预报中的应用

来源：吉林大学学报·理学版杂志2026年第3期北京时间：

作者：张弄, 徐哲文, 刘长征

单位：1. 中国工程物理研究院 计算机应用研究所, 四川 绵阳 621900；2. 吉林大学 计算机科学与技术学院, 长春 130012；3. 国家气候中心 中国气象局气候预测研究重点开放实验室, 北京 100081

摘要：针对目前人工神经网络方法无法准确预报季节性气候现象Madden-Julian振荡(MJO）的问题, 提出一种基于领域先验知识的时空神经网络模型. 首先, 该方法结合气候环流数据的特性,融入领域先验知识进行数据预处理； 其次, 采用预训练微调架构, 利用次季节-季节的模式数据进行模型预训练, 并通过再分析数据（ERA5）完成微调； 最后, 通过时空建模, 选用卷积神经网络和长短期记忆网络结合的框架, 将先验知识嵌入预训练过程并优化预报. 实验结果表明, 该模型能实现23 d的MJO准确预报, 其性能优于其他人工神经网络方法及国内数值预报方法.

关键词：领域先验知识,时空神经网络,Madden-Julian振荡预报,预训练模型