基于深度学习的火星12小时全球尘埃分布预测
何泽锋
张杰
盛峥
唐满
国防科技大学气象海洋学院,长沙 410000
摘要：火星沙尘暴对大气结构影响深远,对火星着陆器构成多重风险,并极大地影响探测仪的精度,因此对沙尘暴进行准确的短期预测对未来的火星探测任务极为重要.然而,传统的统计分析无法准确捕捉沙尘的变化规律.本文展示了Conv-GRU-Seq2Seq模型可以充分利用数据实现全球沙尘 12小时预报.研究发现,考虑多个相互关联的气象要素,尤其是风场,并考虑季节性变化,可以提高预报的准确性.与最初的ConvGRU模型相比,加入Seq2Seq结构后,MSE降低了 85.3%,MAE降低了 75.07%.在比较的六个模型中,ConvGRU-Seq2Seq模型的测试性能最好,MSE、MAE和R2 值分别为 8.73×10-4、13.48×10-3 和 98.12×10-2.该模型的预测性能稳定可靠,误差空间分布更加集中准确.本文实现了 12小时内快速变化的沙尘活动预报,MAPE小于 10%.该研究首次提出了火星沙尘暴短期预报的深度学习模型,为未来的火星探测任务提供了重要的气象保障.
关键词：大气火星尘埃深度学习预测
分类号：P456.1(天气预报)
论文发表日期：2024-07-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：14( 479-492 )
英文信息