Weather2K：基于地面气象站实时观测数据的多元时空气象预报基准数据集
机器学习
2023-02-22 v1 数值分析
数值分析
大气与海洋物理
摘要
天气预报是气象工作的基石之一。本文提出一个名为 Weather2K 的新基准数据集，旨在弥补现有天气预报数据集在实时性、可靠性、多样性以及数据质量关键瓶颈方面的不足。具体而言，我们的 Weather2K 具有以下特点：1) 可靠且实时的数据。数据每小时采集自覆盖 600 万平方公里区域的 2,130 个地面气象站。2) 多元气象变量。提供 20 个气象因子和 3 个位置信息常量，时间步长为 40,896。3) 适用于多样任务。我们在时间序列预测和时空预测上开展了一组基线测试。据我们所知，我们的 Weather2K 是首个充分利用地面气象站观测数据优势来处理天气预报任务的尝试。基于 Weather2K，我们进一步提出基于气象因子的多图卷积网络（Meteorological Factors based Multi-Graph Convolution Network, MFMGCN），其能有效基于气象因子构建地理位置间的内在关联。充分的实验表明 MFMGCN 提升了预报性能与时间鲁棒性。我们希望 Weather2K 能显著激励研究者开发高效准确的算法以推进天气预报任务。数据集可于 https://github.com/bycnfz/weather2k/ 获取。
引用
@article{arxiv.2302.10493,
title = {Weather2K: A Multivariate Spatio-Temporal Benchmark Dataset for Meteorological Forecasting Based on Real-Time Observation Data from Ground Weather Stations},
author = {Xun Zhu and Yutong Xiong and Ming Wu and Gaozhen Nie and Bin Zhang and Ziheng Yang},
journal= {arXiv preprint arXiv:2302.10493},
year = {2023}
}