CNCast：基于3D Swin Transformer和DiT的区域性气象预报
机器学习
2025-03-19 v1 人工智能
摘要
本研究引入了一种基于SwinTransformer 3D架构的前沿区域气象预报模型。该模型专为提供从1小时到5天的精确小时级气象预测而设计，显著提高了短期气象预报的可靠性和实用性。我们的模型在与既有全球模型Pangu进行比较时表现出普遍优异的性能。评估结果表明，该模型在预测大多数气象变量方面表现出色，凸显其作为有限面积建模更有效替代方案的潜力。该模型的一个值得注意之处是整合了增强的边界条件，灵感来自传统数值气象预报(NWP)技术。这一整合显著提高了模型的预测准确性。此外，该模型包括一种创新方法，用于在约5公里的高空间分辨率下诊断每小时总降水。这通过一种潜在扩散模型实现，为生成高分辨率降水数据提供了另一种方法。
引用
@article{arxiv.2503.13546,
title = {CNCast: Leveraging 3D Swin Transformer and DiT for Enhanced Regional Weather Forecasting},
author = {Hongli Liang and Yuanting Zhang and Qingye Meng and Shuangshuang He and Xingyuan Yuan},
journal= {arXiv preprint arXiv:2503.13546},
year = {2025}
}