MambaRain：用于 0-3 小时降水临近预报的多尺度 Mamba-Attention 框架
计算机视觉与模式识别
2026-05-15 v1
摘要
在延长的时间范围（0-3 小时）内进行准确的降水临近预报对于灾害缓解和运营决策至关重要，但仍然是该领域的一个关键挑战。现有的确定性方法主要局限于较短的预测窗口（0-2 小时），由于难以从雷达导出的观测中捕捉长程时空依赖性，其在 90 分钟后表现出严重的性能下降。为了解决这些基本限制，我们提出了 MambaRain，一种新颖的多尺度编码器-解码器架构，它将 Mamba 的线性复杂度长程时间建模与自注意力机制协同整合，以显式捕捉空间相关性。核心创新在于一种混合设计范式，其中 Mamba 模块利用选择性状态空间机制，以计算高效的方式对扩展序列的全局时间动态进行建模，而自注意力模块显式表征降水场内的空间相关性——这是 Mamba 的顺序处理范式中固有缺失的能力。这种互补的协同作用实现了全面的时空表示学习，有效地将可行的预测范围延长至 2-3 小时，并显著提高了准确性。此外，我们引入了一种频谱损失公式，以减轻混沌降水系统特有的模糊伪影，从而保留对临近预报准确性至关重要的精细运动细节。实验验证表明，MambaRain 在 0-3 小时临近预报任务中显著优于现有的确定性方法，在具有挑战性的 2-3 小时预测范围内性能提升尤为显著。
引用
@article{arxiv.2605.14606,
title = {MambaRain: Multi-Scale Mamba-Attention Framework for 0-3 Hour Precipitation Nowcasting},
author = {Chunlei Shi and Cui Wu and Xiang Xu and Hao Li and Ni Fan and Xue Han and Yongchao Feng and Yufeng Zhu and Boyu Liu and Zengliang Zang and Hongbin Wang and Yanlan Yang and Dan Niu},
journal= {arXiv preprint arXiv:2605.14606},
year = {2026}
}
备注
9 pages,7 figures