CasCast：通过级联建模实现高质量高分辨率降水临近预报
机器学习
2024-02-08 v1 人工智能
摘要
基于雷达数据的降水临近预报在极端天气预测中起着关键作用，并对灾害管理具有广泛影响。尽管基于深度学习已取得进展，但降水临近预报的两个关键挑战仍未得到很好解决：(i) 不同尺度复杂降水系统演变的建模，以及(ii) 极端降水的准确预报。在这项工作中，我们提出了CasCast，一个由确定性和概率性部分组成的级联框架，以解耦中尺度降水分布和小尺度模式的预测。然后，我们探索在高分辨率下训练级联框架，并在低维潜在空间中使用帧引导扩散变压器进行概率建模，以增强极端事件的优化同时降低计算成本。在三个基准雷达降水数据集上的大量实验表明，CasCast取得了具有竞争力的性能。特别是，CasCast在区域极端降水临近预报方面显著超过了基线(最高提升91.8%)。
引用
@article{arxiv.2402.04290,
title = {CasCast: Skillful High-resolution Precipitation Nowcasting via Cascaded Modelling},
author = {Junchao Gong and Lei Bai and Peng Ye and Wanghan Xu and Na Liu and Jianhua Dai and Xiaokang Yang and Wanli Ouyang},
journal= {arXiv preprint arXiv:2402.04290},
year = {2024}
}