从噪声到精确：基于扩散模型的零膨胀降际预测方法
机器学习
2025-09-16 v1 人工智能
摘要
零膨胀数据在降际预测中因以稀疏的零值为主，导致面临显著挑战。为此，我们提出了零膨胀扩散框架（Zero Inflation Diffusion Framework, ZIDF），该框架集成了高斯扰动用于平滑零膨胀分布、基于Transformer的预测以捕获时序模式，以及扩散式去噪以恢复原始数据结构。在实验中，我们使用收集于南澳大利亚的观测降际数据以及合成生成的零膨胀数据。结果表明，ZIDF相较于多种前沿降际预测模型显著提升，相较于基线非平稳Transformer，均方误差（MSE）降低最高可达56.7%，平均绝对误差（MAE）降低21.1%。这些发现凸显了ZIDF在处理稀疏时序数据方面的鲁棒性，并表明其在零膨胀是关键挑战的其他领域具有潜在的普适性。
关键词
引用
@article{arxiv.2509.10501,
title = {From Noise to Precision: A Diffusion-Driven Approach to Zero-Inflated Precipitation Prediction},
author = {Wentao Gao and Jiuyong Li and Lin Liu and Thuc Duy Le and Xiongren Chen and Xiaojing Du and Jixue Liu and Yanchang Zhao and Yun Chen},
journal= {arXiv preprint arXiv:2509.10501},
year = {2025}
}
备注
ECAI 2025 Accepted