AI + 地球科學研究論文匯總

原標題：房價預測/礦藏勘探/自然災害預測……AI助力地球科學革新，浙大/清華/Google Research等已發表重要成果
文章來源：HyperAI超神經
內容字數：6171字

AI賦能地球科學：15篇前沿論文解讀

本文總結了HyperAI超神經聚焦AI在地球科學領域研究成果，精選了2023-2024年期間解讀的15篇前沿論文，展現AI在解決復雜地球系統問題中的強大潛力，并為全球可持續發展提供創新性解決方案。

1. 房價預測：基于地理加權回歸的神經網絡模型

浙江大學GIS重點實驗室提出osp-GNNWR模型，通過優化空間鄰近度指標并將其融入神經網絡架構，提升了房價預測的準確性，準確描述復雜空間過程和地理現象。

2. 海洋科學大語言模型：OceanGPT

浙江大學團隊開發出首個海洋領域大語言模型OceanGPT，能夠根據海洋學家的指令回答問題，在各種海洋科學任務中表現出高專業知識，并在海洋工程方面展現初步具身智能能力。

3. 地面沉降預測：基于機器學習的模擬技術

中南大學柳建新教授團隊利用極端梯度提升回歸與長短期記憶網絡，建立地面沉降智能化預測模型，預測未來40年地面沉降風險，為城市發展提供重要參考。

4. 滑坡測繪：基于混合CNN-Transformer網絡和深度遷移學習

成都理工大學研究人員提出SCDUNet++模型，結合卷積神經網絡和Transformer優勢，利用遙感圖像的地形和光譜特征有效開展滑坡測繪工作。

5. 可解釋神經網絡預測山體滑坡

加州大學洛杉磯分校研究人員開發可解釋神經網絡SNN，更好地分析自然災害影響因素，提高滑坡風險預測能力，提升模型透明度。

6. 全球極端洪水預測：Google洪水預測模型

Google Research團隊開發基于機器學習的河流預報模型，提前5天預測洪水，性能優于現有模型，覆蓋80多個國家。

7. 海洋赤潮預警：ChloroFormer模型

浙江大學GIS實驗室提出ChloroFormer模型，有效預測海洋有害藻華中的葉綠素a濃度，為藻華預警提供重要信息。

8. 礦物預測：地理神經網絡加權邏輯回歸模型(GNNWLR)

浙江大學杜震洪團隊提出GNNWLR模型，大幅提升礦物預測準確性，并在復雜空間場景中提升可解釋性，優于五大先進模型。

9. 極端降水預測：升級版神經網絡Org-NN

哥倫比亞大學LEAP實驗室使用全球風暴解析模擬與機器學習，創建新算法解決信息缺失問題，提供更精確的極端降水預測方法。

10. 全球尺度洪水預測：ED-DLSTM模型

中國科學院成都山地災害與環境研究所團隊提出ED-DLSTM模型，解決全球范圍內有監測數據和無監測數據流域徑流預測問題。

11. 太陽三維重建：SuNeRF神經網絡

科羅拉多州國家大氣研究中心(NCAR)利用NeRFs神經網絡將太陽二維圖像轉換成三維重建圖像，首次揭示太陽兩極。

12. 城市空間規劃：基于深度強化學習的模型

清華大學研究團隊提出強化學習的城市社區空間規劃模型，實現人類規劃師與人工智能算法協作，為智能城市自動化規劃提供新思路。

13. 中期惡劣天氣預報：CSU-MLP模型

科羅拉多州立大學與SPC學者聯合發布基于隨機森林的機器學習模型CSU-MLP，準確預報中期(4-8天)惡劣天氣。

14. 人群模擬：社會物理信息擴散模型SPDiff

清華大學研究團隊提出條件去噪擴散模型SPDiff，有效利用交互動力學，模擬人群行為，僅需5%訓練樣本達到最優性能。

15. 時空少樣本學習：GPD模型

清華大學電子工程系城市科學與計算研究中心提出GPD模型，利用擴散模型生成神經網絡參數，將時空少樣本學習轉變為擴散模型的預訓練問題，基于7大城市實景數據。

聯系作者

文章來源：HyperAI超神經
作者微信：
作者簡介：解構技術先進性與普適性，報道更前沿的 AIforScience 案例