热带气象学报

作者：石雨卉, 孙凯, 徐颖, 郭炜峻

单位：1.中国民用航空厦门空中交通管理站，福建厦门3610062.华东空管局空管数据分析及应用实验室，福建厦门361006

关键词：深度学习, 风场预测, 长时间序列, Informer模型, 航空气象

针对传统风场预测方法中存在的精度不足和时效性差等问题，引入了Informer模型，提高了对福建省厦门高崎国际机场长时间序列气象数据的预测准确度。相较于传统模型，Informer模型在处理风场时间序列数据中的概率稀疏自注意力机制和自注意力蒸馏技术，能够高效捕捉数据中的长期依赖关系和复杂特征。在60 min预测以及季节性变化中，Informer模型表现出了强大的稳健性和高效性。此外，还对比了不同风场变化对模型预测的影响，发现Informer模型在不同风场条件下均能更好地保持稳定预测性能，进一步验证了其广泛适用性和鲁棒性。通过提高预测精度和时效性，本研究不仅为航空气象服务提供了更精准的风速和风向预测，有助于保障航空器飞行安全、优化航班调度及提升能源利用效率，同时还为短期天气预报等领域带来了积极影响，提供了新的研究思路和解决方案，对于推动深度学习在气象预测中的应用具有重要意义。

来源：2026年第1期

《热带气象学报》期刊编辑部

查看热带气象学报杂志2026年第1期