基于测试时训练的高度自适应雷达回波外推：REE-TTT
机器学习
2026-01-06 v1 人工智能
摘要
降雨预报 forecasting 在气象预测中至关重要。基于深度学习的雷达回波外推（Radar Echo Extrapolation, REE）已成为主要的外推方法，但由于依赖高质量的局部训练数据和静态模型参数，其泛化能力差，限制了在不同地区和极端事件中的适用性。为克服此问题，我们提出了 REE-TTT，一种包含自适应测试时训练（Test-Time Training, TTT）机制的新型模型。我们模型的核心在于新设计的时空测试时训练（Spatio-temporal Test-Time Training, ST-TTT）模块，将 TTT 层中的标准线性投影替换为任务特定的注意力机制，使其能够对非平稳气象分布进行稳健的适应，从而显著增强降雨的特征表示。实验在跨区域极端降雨情景下表明，REE-TTT 在预测准确性和泛化性方面显著优于最先进的基线模型，展现出对数据分布迁移的显著适应性。
引用
@article{arxiv.2601.01605,
title = {REE-TTT: Highly Adaptive Radar Echo Extrapolation Based on Test-Time Training},
author = {Xin Di and Xinglin Piao and Fei Wang and Guodong Jing and Yong Zhang},
journal= {arXiv preprint arXiv:2601.01605},
year = {2026}
}