論文の概要: How far are today's time-series models from real-world weather forecasting applications?

• arxiv url: http://arxiv.org/abs/2406.14399v2
• Date: Fri, 11 Oct 2024 18:34:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-15 15:05:39.252466
• Title: How far are today's time-series models from real-world weather forecasting applications?
• Title（参考訳）: 今日の時系列モデルは、現実の天気予報アプリケーションからどのくらいの距離にありますか?
• Authors: Tao Han, Song Guo, Zhenghao Chen, Wanghan Xu, Lei Bai,
• Abstract要約: WEATHER-5Kは、現実世界のシナリオをよりよく反映した観測気象データの包括的収集である。 これにより、モデルのより良いトレーニングと、TSFモデルの現実の予測能力のより正確な評価が可能になる。 我々は,学術的TSFモデルと実世界の天気予報アプリケーションとのギャップを,研究者に明確に評価する。
• 参考スコア（独自算出の注目度）: 22.68937280154092
• License:
• Abstract: The development of Time-Series Forecasting (TSF) techniques is often hindered by the lack of comprehensive datasets. This is particularly problematic for time-series weather forecasting, where commonly used datasets suffer from significant limitations such as small size, limited temporal coverage, and sparse spatial distribution. These constraints severely impede the optimization and evaluation of TSF models, resulting in benchmarks that are not representative of real-world applications, such as operational weather forecasting. In this work, we introduce the WEATHER-5K dataset, a comprehensive collection of observational weather data that better reflects real-world scenarios. As a result, it enables a better training of models and a more accurate assessment of the real-world forecasting capabilities of TSF models, pushing them closer to in-situ applications. Through extensive benchmarking against operational Numerical Weather Prediction (NWP) models, we provide researchers with a clear assessment of the gap between academic TSF models and real-world weather forecasting applications. This highlights the significant performance disparity between TSF and NWP models by analyzing performance across detailed weather variables, extreme weather event prediction, and model complexity comparison. Finally, we summarise the result into recommendations to the users and highlight potential areas required to facilitate further TSF research. The dataset and benchmark implementation are available at: https://github.com/taohan10200/WEATHER-5K.
• Abstract（参考訳）: 時系列予測(TSF)技術の開発は、包括的なデータセットの欠如によってしばしば妨げられる。 これは時系列の天気予報において特に問題であり、一般的に使用されるデータセットは、小ささ、時間的範囲の制限、空間分布の分散といった重大な制限に悩まされている。 これらの制約は、TSFモデルの最適化と評価を著しく阻害し、結果として運用天気予報のような現実の応用に代表されないベンチマークとなる。 本研究では,実世界のシナリオをよりよく反映した観測気象データの包括的収集であるWAATHER-5Kデータセットを紹介する。 結果として、モデルのより良いトレーニングを可能にし、TSFモデルの現実の予測能力をより正確に評価し、それらをその場でのアプリケーションに近づけることができる。 運用数値気象予測(NWP)モデルに対する広範なベンチマークを通じて、学術的TSFモデルと実世界の天気予報アプリケーションとのギャップを明確に評価する。 このことは、詳細な気象変数、極端な気象イベント予測、モデル複雑性比較のパフォーマンスを分析することで、TSFとNWPモデル間の大きなパフォーマンス格差を浮き彫りにしている。 最後に,この結果をユーザへのレコメンデーションに要約し,さらなるTSF研究を促進するために必要な潜在的な領域を明らかにする。 データセットとベンチマークの実装は、https://github.com/taohan10200/WEATHER-5Kで利用可能である。

関連論文リスト

• HR-Extreme: A High-Resolution Dataset for Extreme Weather Forecasting [12.561873438789242]
  本研究では,高解像度の極端気象事例を包含した包括的データセットを提案する。 HR-Extreme上での最先端ディープラーニングモデルと数値気象予測システム(NWP)の評価を行った。
  論文  参考訳（メタデータ） (2024-09-27T16:20:51Z)
• WeatherReal: A Benchmark Based on In-Situ Observations for Evaluating Weather Models [11.016845506758841]
  我々は,地球近傍の地表面観測から得られた気象予報のための新しいベンチマークデータセットであるWeatherRealを紹介する。 本稿では,データセットの基盤となる情報源と処理手法を詳述するとともに,超局地的・極端な気象観測におけるその場観測の利点について述べる。 私たちの研究は、AIベースの天気予報研究を、よりアプリケーション中心で運用対応のアプローチへと進めることを目的としています。
  論文  参考訳（メタデータ） (2024-09-14T08:53:46Z)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
  非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。 また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
  論文  参考訳（メタデータ） (2024-02-02T10:34:13Z)
• FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather Forecasting [56.73502043159699]
  この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。 低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。 2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-01-28T13:23:25Z)
• Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
  本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。 提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
  論文  参考訳（メタデータ） (2023-11-30T08:22:08Z)
• Precipitation nowcasting with generative diffusion models [0.0]
  降水処理における拡散モデルの有効性について検討した。 本研究は, 確立されたU-Netモデルの性能と比較したものである。
  論文  参考訳（メタデータ） (2023-08-13T09:51:16Z)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)
• Smart Weather Forecasting Using Machine Learning:A Case Study in Tennessee [2.9477900773805032]
  本稿では,複数の気象観測所の過去のデータを利用して,シンプルな機械学習モデルを訓練する天気予報手法を提案する。 モデルの精度は、現在の最先端技術と併用するのに十分である。
  論文  参考訳（メタデータ） (2020-08-25T02:41:32Z)
• Improving data-driven global weather prediction using deep convolutional neural networks on a cubed sphere [7.918783985810551]
  深層畳み込みニューラルネットワーク(CNN)を用いたデータ駆動型世界天気予報フレームワークを提案する。 このフレームワークの新しい開発には、オフラインの体積保存的マッピングから立方体球格子へのマッピングが含まれる。 我々のモデルでは、入力された大気状態の少ない変数から複雑な表面温度パターンを予測することができる。
  論文  参考訳（メタデータ） (2020-03-15T19:57:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。