Skip to content
Hot eventLive

STCFormer：自适应时空动态聚类Transformer用于站点天气预测

1 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 2
2026-10-02 arXiv 发布 STCFormer，在八个温度与风速预测任务的 24 小时 MSE 最低，48 项对比中位列第一或第二，代码已开源。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Statistics Machine Learning
    STCFormer：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。

Heat trend

There is not enough continuous observation data to draw a trend yet.