一种基于注意力机制的MSTKAN模型ENSO预测方法

本发明属于ENSO的预测方法技术领域，具体涉及一种基于注意力机制的MSTKAN模型ENSO预测方法，包括下列步骤：获取全球上层海洋温度异常以及纬向风应力和经向风应力三个重要的海洋和大气变量的月度数据；对数据进行初步处理主要包括；构建预测模型；采用Adam算法进行网络训练优化；训练和验证模型。本发明的MSTKAN通过其多轴时空注意力机制，能够捕捉不同方向的细粒度特征，充分考虑ENSO数据中固有的方向性依赖性。并且通过引入Kolmogorov‑Arnold网络，替代了传统的线性层，使用可学习的非线性函数，更灵活、精确地逼近输出特征，从而增强了模型在捕捉复杂非线性关系方面的能力。通过改进架构，MSTKAN在ENSO的长期与短期预测准确性上超越了现有的主流模型，提供了更可靠的预测结果。