语义增强降误差
融合大语言模型语义与数值特征的跨模态时序架构，比主流模型更能捕捉太阳辐照度序列的非线性动态。
Han, Zhang · 史加荣 · Wenli, Qian
Applied Soft Computing Journal 2026
通过大语言模型将数值气象变量转换为语义丰富的文本摘要，并提取上下文语义嵌入，从而自动获得对预测有用的特征表示，避免了人工特征工程的局限。
采用时间查询和多头注意力机制实现语义与数值特征的跨模态对齐，使模型能够融合不同模态的信息，从而更有效地降低预测误差。
使用因果卷积和残差连接的时间卷积网络生成预测结果，确保模型只依赖于过去和当前的信息，避免了未来信息泄漏，增强了预测的可靠性。