SwinRDM：将 SwinRNN 与扩散模型结合以实现高分辨率高质量天气预报
人工智能
2023-06-07 v1 计算机视觉与模式识别
大气与海洋物理
摘要
数据驱动的中期天气预报近年来备受关注。然而，目前高分辨率下的预报精度尚不能令人满意。为追求高分辨率与高质量的天气预报，我们开发了数据驱动模型 SwinRDM，其将改进版 SwinRNN 与扩散模型相集成。SwinRDM 以 0.25 度分辨率进行预测，并在 500 hPa 位势（Z500）、850 hPa 温度（T850）、2 米温度（T2M）和总降水量（TP）等代表性大气变量上，于最长 5 天的预报时效内，取得优于 IFS（Integrated Forecast System，最先进的业务数值天气预报模型）的预报精度。考虑到计算内存与预报精度之间的权衡，我们提出采用两步策略以实现 0.25 度的高分辨率预测。首先以 1.40625 度分辨率对未来大气场进行循环预测，随后利用基于扩散的超分辨率模型恢复高空间分辨率与更精细尺度的大气细节。SwinRDM 大幅推动了数据驱动模型在业务应用方面的性能与潜力。
引用
@article{arxiv.2306.03110,
title = {SwinRDM: Integrate SwinRNN with Diffusion Model towards High-Resolution and High-Quality Weather Forecasting},
author = {Lei Chen and Fei Du and Yuan Hu and Fan Wang and Zhibin Wang},
journal= {arXiv preprint arXiv:2306.03110},
year = {2023}
}