PIANO：面向降雨即时预报的物理驱动双神经算子
机器学习
2025-12-02 v1 人工智能
摘要
降雨即时预报是提前预警灾害的关键手段，当前依赖于计算成本高昂且受限的传统方法，限制了许多国家的访问。为此，我们提出一种结合卫星影像与物理约束的降雨即时预报方法，以提高准确性和物理一致性。我们采用一种新颖的物理驱动双神经算子(PIANO)结构，以强制执行运输扩散基本方程进行训练，以预测卫星影像。随后，我们使用生成模型将卫星影像转换为雷达影像，用于降雨即时预报。与基线模型相比，我们的方法在中等(4mm/h)降雨事件预测和短期重度(8mm/h)降雨事件预测方面均表现出显著改善。该模型在季节性预测变异性方面表现出低水平，表明其对泛化具有良好鲁棒性。这一研究表明PIANO的潜力，并为物理驱动的降雨即时预报提供了良好的基准。
引用
@article{arxiv.2512.01062,
title = {PIANO: Physics-informed Dual Neural Operator for Precipitation Nowcasting},
author = {Seokhyun Chin and Junghwan Park and Woojin Cho},
journal= {arXiv preprint arXiv:2512.01062},
year = {2025}
}
备注
NeurIPS 2025 Machine Learning and Physical Sciences Workshop