DPSformer：用于提升暴雨预测的长尾感知模型
机器学习
2025-10-01 v1 大气与海洋物理
摘要
准确及时的暴雨预报仍然是现代社会面临的一项关键挑战。降水呈现出高度不平衡的分布：大多数观测记录为无雨或小雨，而暴雨事件极为罕见。这种不平衡分布阻碍了深度学习模型有效预测暴雨事件。为了应对这一挑战，我们将降雨预报明确视为一个长尾学习问题，指出暴雨事件表示不足是影响预报精度的主要障碍。因此，我们引入了 DPSformer，这是一种长尾感知模型，通过高分辨率分支来丰富暴雨事件的表示。对于 50 mm/6 h 的暴雨事件，DPSformer 将基准数值天气预报（NWP）模型的临界成功指数（CSI）从 0.012 提升至 0.067。对于覆盖率前 1% 的暴雨事件，其分数技巧评分（FSS）超过 0.45，超越了现有方法。我们的工作为暴雨预测建立了一种有效的长尾范式，为加强预警系统和减轻极端天气事件的社会影响提供了实用工具。
引用
@article{arxiv.2509.25208,
title = {DPSformer: A long-tail-aware model for improving heavy rainfall prediction},
author = {Zenghui Huang and Ting Shu and Zhonglei Wang and Yang Lu and Yan Yan and Wei Zhong and Hanzi Wang},
journal= {arXiv preprint arXiv:2509.25208},
year = {2025}
}