RNDiff：基于条件扩散模型的降雨临近预报
计算机视觉与模式识别
2025-08-21 v2
摘要
扩散模型在图像生成中被广泛使用，因为它们能够生成高质量且逼真的样本。这与生成对抗网络（GANs）和变分自编码器在图像质量方面存在一定局限性形成对比。我们将扩散模型引入降水预报任务，并提出了一种基于历史观测数据的条件扩散模型短期降水临近预报方法，称为 SRNDiff。通过在去噪过程中引入额外的条件解码器模块，SRNDiff 实现了端到端的条件降雨预测。SRNDiff 由两个网络组成：去噪网络和条件编码器网络。条件网络由多个独立的 UNet 网络组成。这些网络在不同分辨率下提取条件特征图，提供准确的条件信息以引导扩散模型进行条件生成。尽管需要更多的计算资源，SRNDiff 在预测精度上超越了 GANs。SRNDiff 模型在训练期间比基于 GANs 的方法表现出更高的稳定性和效率，并生成能更好反映未来实际降水情况的高质量降水分布样本。这充分验证了扩散模型在降水预报中的优势与潜力，为提升降雨预测提供了新见解。
引用
@article{arxiv.2402.13737,
title = {RNDiff: Rainfall nowcasting with Condition Diffusion Model},
author = {Xudong Ling and Chaorong Li and Fengqing Qin and Peng Yang and Yuanyuan Huang},
journal= {arXiv preprint arXiv:2402.13737},
year = {2025}
}