PA-Net：面向长尾降雨预报的降雨自适应混合专家网络
人工智能
2026-03-17 v1 计算机视觉与模式识别
机器学习
摘要
降雨预报对于防洪、农业管理和应急响应至关重要，但仍存在两个瓶颈：建模来自多变量大气场的百万级时空token的成本昂贵，且重雨至豪雨事件——对社会影响最大的事件——仅占所有样本的少于0.1%。我们提出了Precipitation-Adaptive Network(PA-Net)，一种Transformer框架，其计算预算明确由降雨强度决定。其核心组件Precipitation-Adaptive MoE(PA-MoE)根据局部降雨大小动态调整激活专家的数量，将更丰富的表示容量导入稀缺但关键的重雨尾部。采用Dual-Axis Compressed Latent Attention机制对时空注意力进行卷积化简，以管理大规模上下文长度，同时采用强度感知训练协议逐步放大来自极端降雨样本的学习信号。在ERA5数据集上进行的实验表明，PA-Net在重雨和雷暴情形下相较于最先进的基线方法实现了显著提升。
引用
@article{arxiv.2603.13818,
title = {PA-Net: Precipitation-Adaptive Mixture-of-Experts for Long-Tail Rainfall Nowcasting},
author = {Xinyu Xiao and Sen Lei and Eryun Liu and Shiming Xiang and Hao Li and Cheng Yuan and Yuan Qi and Qizhao Jin},
journal= {arXiv preprint arXiv:2603.13818},
year = {2026}
}