.png){kind=icon}
返回
Exploring Quantum Machine Learning for Weather Forecasting
.png){kind=icon}
PRE
AI
DOI：10.1007/s13538-025-01941-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
天气预报在支持农业、可再生能源生产、灾害管理等多个领域的战略决策中发挥着关键作用。然而，大气固有的动态性和混沌行为给传统预测模型带来了显著挑战。另一方面，将量子计算模拟技术引入预报问题构成了一种有前景的替代方案，以克服这些挑战。在此背景下，本研究探讨了量子机器学习（QML）与气候预报新兴的交叉领域。我们提出了一项关于在真实气象数据上训练的量子神经网络（QNN）的可行性研究。尽管观察到非线性特征和架构敏感性，但所使用的QNN表现出在处理时间变异性方面的鲁棒性，并在温度预测中实现了更快的收敛。研究结果突显了量子模型在短期和中期气候预测中的潜力，同时也揭示了优化和更广泛应用的关键挑战及未来方向。
Keyword:
Quantum machine learning
Weather forecasting
Quantum neural network
Artificial intelligence
期刊
IF:
1.7
论文数:
225
被引数:
2.3K
机构
引用论文
Modeling Potential Evapotranspiration by Improved Machine Learning Methods Using Limited Climatic Data.png)
WATER
OAAI
WATERIF3
OAAI分享收藏
Climate forecasts in disaster management: Red Cross flood operations in West Africa, 2008灾害管理中的气候预测: 2008西非的红十字会洪水行动DisastersOAAI
DisastersIF0
OAAI分享收藏Application of Quantum Neural Network for Solar Irradiance Forecasting: A Case Study Using the Folsom Dataset, California量子神经网络在太阳辐照度预测中的应用：使用加利福尼亚州福尔索姆数据集的案例研究EnergiesOAAI
EnergiesIF0
OAAI分享收藏
查看更多内容