GPTCast：用于降水预报的气象语言模型
机器学习
2025-08-28 v2 大气与海洋物理
摘要
本工作介绍了 GPTCast，这是一种受大型语言模型（LLM）领域进展启发的用于雷达降水ensemble预报的生成式深度学习方法。我们采用 GPT 模型作为预测器，通过对token化的雷达图像学习时空降水动力学。该tokenizer基于量化变分自编码器（QVAE）实现，采用针对降水分布偏斩特性的新型重构损失，以确保对高强度降雨率的准确重构。该方法能够生成逼真的ensemble预测，并提供具有准确不确定性估计的概率性输出。该模型在训练时不依赖随机性，所有变异性仅来自数据，并在推理阶段通过模型暴露的变异性用于生成ensemble。我们使用意大利北部埃米利亚-罗曼巴地区6年的雷达数据进行训练和测试，显示出比当前最先进的ensemble外推方法在效果上具有优势。
引用
@article{arxiv.2407.02089,
title = {GPTCast: a weather language model for precipitation nowcasting},
author = {Gabriele Franch and Elena Tomasi and Rishabh Wanjari and Virginia Poli and Chiara Cardinali and Pier Paolo Alberoni and Marco Cristoforetti},
journal= {arXiv preprint arXiv:2407.02089},
year = {2025}
}
备注
20 pages, 10 figures