Hao Chen Han Tao Guo Song Jie Zhang Yunlong Yu Yonghan Dong Lei Bai

الملخص

تقدم هذه الورقة إطارًا جديدًا يُسمى "مزيج الخبراء القابل للتكيف بالمتغيرات" (VAMoE)، وهو إطار مبتكر للتنبؤات الجوية التدريجية، والذي يتكيف ديناميكيًا مع الأنماط المكانية-الزمنية المتغيرة في البيانات الحقيقية في الوقت الفعلي. تواجه النماذج التقليدية للتنبؤ بالطقس صعوبات كبيرة ناتجة عن التكاليف الحسابية الهائلة، بالإضافة إلى الحاجة المستمرة لتحديث التنبؤات مع ورود ملاحظات جديدة. يعالج VAMoE هذه التحديات من خلال الاستفادة من هيكل هجين للخبراء، حيث يخصص كل خبير لالتقاط أنماط فرعية مختلفة من المتغيرات الجوية (مثل درجة الحرارة، والرطوبة، وسرعة الرياح). علاوة على ذلك، يعتمد هذا الأسلوب المُقترح على آلية توجيه قابلة للتكيف مع المتغيرات، تُحدد ديناميكيًا وتُدمج الخبراء المناسبين بناءً على السياق المدخل، مما يتيح تبادل المعرفة بكفاءة ومشاركة المعلمات. ويؤدي هذا التصميم إلى تقليل كبير في الحمل الحسابي مع الحفاظ على دقة عالية في التنبؤ. وقد أظهرت التجارب على مجموعة بيانات ERA5 الواقعية أن VAMoE يحقق أداءً مماثلًا للنماذج الرائدة (SoTA) في مهام التنبؤ القصير الأمد (1 يوم) والطويل الأمد (5 أيام)، مع استخدام ما يقارب 25٪ فقط من عدد المعلمات القابلة للتدريب، و50٪ فقط من بيانات التدريب الأولية.