徐诗蕊上台汇报，另外三人站在一旁等候，有了开赛前的演练做基础，徐诗蕊紧张归紧张，整个汇报流程基本流畅无误。
“好，接下来有请各位评委老师提问。”
话筒被递到了评委组组长手里，组长是计算机学院的，所提的问题无疑直至核心：“你们用PyTorch搭建的预报模型，具体是怎么实现的？请详细阐述。”
徐诗蕊拿着话筒，下意识地看了看另外三位组员，闫明轩指了指林檎，徐诗蕊意会，便说：“这部分是由我们组员人工智能学院的林檎同学完成的，这个问题由她来回答。”
林檎走到舞台中央，从徐诗蕊手里接过话筒。
她不自觉地拿目光去找评委席上的人，他自然也在关注台上状况，视线相对时，她能瞧见他眼神里有几分带着笑意的鼓励。
她原本毫不紧张，被孟镜年这样一看，反倒觉得呼吸紧促两分。
林檎清清嗓：“第一步获取公开的天气数据集，包括日期、温度、降水量、湿度、风速等参数；第二步做数据处理，包括处理缺失值、标准化数据、生成训练和测试数据集；第三步设计模型，使用LSTM进行时间序列预测；第四步，使用PyTorch定义模型、损失函数和优化器，然后训练模型并进行验证和测试。”
评委组长听完点点头，继续针对性提问：“这个模型的准确性，你是怎么保证的？”
“一共从三个方面做了优化。数据方面，尽可能确保了历史数据的覆盖性和精度，对气象特征进行相关性分析，选取与预测结果相关度高的气象变量。模型框架方面，一是增加更多的LSTM的层数和隐藏单元数，二是添加Dropout层减少过拟合。模型验证方面，使用交叉验证、性能度量、残差分析等方法，评估和提高模型的稳定性和准确性。”
“那你觉得，往后这个模型还有什么改进的空间？”
“我能想到的第一个改进方向是扩充数据集，受限于能力和算力，目前的模型只考虑了温度、湿度、风速等几个特征，未来尽可能地将影响大气运动的七个物理量都纳入其中。其次是模型优化，比如增加更多的LSTM层，或者使用GRU来进行改进，还可以做超参数调整和长期预测……”
孟镜年肘下摊着评分表，点评一栏，已经记下了数个要点。
林檎发言开始，他一个字也没再写。
她一贯不是个善谈的人，这好像是他第一次见到她的这一面，面对自己的专业
…。。