14、基于ViT的风暴预测模型组件分析

基于ViT的风暴预测模型组件分析

1. 不同组件消融实验结果

在风暴预测模型的研究中，进行了不同组件的消融实验，以评估各组件对模型性能的影响。实验结果如下表所示：
| Method | Normal | | | Storm | | | Accuracy |
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
| | Precision | Recall | F1 Score | Precision | Recall | F1 Score | |
| MAE encoder− | 93.0 | 92.7 | 92.8 | 70.3 | 71.0 | 70.7 | 88.5 |
| Temporal− | 94.9 | 92.2 | 93.5 | 71.2 | 79.5 | 75.1 | 89.7 |
| Content− | 94.0 | 96.5 | 95.2 | 83.7 | 74.4 | 78.8 | 92.2 |
| Ours | 95.5 | 97.7 | 96.6 | 89.4 | 81.1 | 85.0 | 94.4 |

从表中可以看出，我们的原始模型在各项指标上都表现最优。同时，研究发现，简单地将多尺度图像缩放或裁剪到固定分辨率会导致召回率最低，如ResNet - 50的召回率为37.6%，基于ViT的模型召回率为45.1%，原因是这种简单处理可能会添加冗余信息或丢弃有价值的信息。

2. 设计组件对风暴预测的重要性

为了验证综合模型中各设计组件对风暴预测的必要性和重要性，进行了消融实验。具体做法是依次移除表示学