热点事件持续更新
STCFormer：自适应时空动态聚类Transformer用于站点天气预测
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026-10-02，arXiv 发表一手研究 STCFormer，提出一种自适应时空 Transformer，通过动态聚类分组站点，并在每个时间片内结合簇内局部注意力与区域全局注意力来建模空间依赖。在三个真实天气数据集上共八个温度与风速预测任务中，STCFormer 在所有八项任务的 24 小时均方误差最低，并在 48 项指标与预测步长比较中位列第一或第二。代码已公开。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · Statistics Machine LearningSTCFormer：基于动态聚类 Transformer 的自适应时空建模用于站点天气预测
STCFormer 是一种自适应时空 Transformer，通过动态聚类分组站点并在每个时间片内结合簇内局部注意力与区域全局注意力来建模站点间空间依赖。在三个真实天气数据集上共八个温度与风速预测任务中，STCFormer 在所有八项任务的 24 小时均方误差最低，并在 48 项指标与预测步长比较中位列第一或第二。代码已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。