محققان در یک پژوهش جدید، راهکاری خلاقانه برای استفاده از مدلهای عظیم پیشبینی سری زمانی (TSFMs) در حوزه هواشناسی پیدا کردهاند. چالش اصلی اینجاست که این مدلهای قدرتمند اغلب «جعبهسیاه» هستند و تغییر دادن آنها هزینه بالایی دارد.
راهکار جدید شامل دو «بستهبندی» (Wrapper) سبک به نامهای SMR² و MBB است که بدون نیاز به دستکاری وزنهای اصلی مدل، به آن اجازه میدهد با دادههای محدودِ منطقهای سازگار شود و پیشبینیهای بسیار دقیقتری برای شاخصهای خشکسالی ارائه دهد. این یعنی ابزاری کارآمد و اقتصادی برای مدیریت منابع آب و اقلیم! 💧📊
منبع: arXiv Machine Learning