論文の概要: WSSM: Geographic-enhanced hierarchical state-space model for global station weather forecast

• arxiv url: http://arxiv.org/abs/2501.11238v1
• Date: Mon, 20 Jan 2025 02:57:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:23:52.250556
• Title: WSSM: Geographic-enhanced hierarchical state-space model for global station weather forecast
• Title（参考訳）: WSSM:地球規模のステーション天気予報のための地理的に拡張された階層的状態空間モデル
• Authors: Songru Yang, Zili Liu, Zhenwei Shi, Zhengxia Zou,
• Abstract要約: 我々はGlobal Station Weather Forecasting(GSWF)に適した新しいMambaベースのアプローチを提案する。 地理的知識は、絶対的な特別な時間的位置を表すために広く使われている位置符号化に加えて統合される。 本手法は, 予測精度を効果的に向上し, 極端な気象事象の予測の課題に対処する。
• 参考スコア（独自算出の注目度）: 24.738518411545485
• License:
• Abstract: Global Station Weather Forecasting (GSWF), a prominent meteorological research area, is pivotal in providing timely localized weather predictions. Despite the progress existing models have made in the overall accuracy of the GSWF, executing high-precision extreme event prediction still presents a substantial challenge. The recent emergence of state-space models, with their ability to efficiently capture continuous-time dynamics and latent states, offer potential solutions. However, early investigations indicated that Mamba underperforms in the context of GSWF, suggesting further adaptation and optimization. To tackle this problem, in this paper, we introduce Weather State-space Model (WSSM), a novel Mamba-based approach tailored for GSWF. Geographical knowledge is integrated in addition to the widely-used positional encoding to represent the absolute special-temporal position. The multi-scale time-frequency features are synthesized from coarse to fine to model the seasonal to extreme weather dynamic. Our method effectively improves the overall prediction accuracy and addresses the challenge of forecasting extreme weather events. The state-of-the-art results obtained on the Weather-5K subset underscore the efficacy of the WSSM
• Abstract（参考訳）: 地球観測衛星天気予報(GSWF)は、気象予報の時間的局所化に重要な役割を担っている。 GSWFの全体的な精度は、既存のモデルが進歩しているにもかかわらず、高精度な極端なイベント予測を実行することは、依然として重大な課題である。 最近の状態空間モデルの出現は、連続時間力学と潜時状態を効率的に捉える能力によって、潜在的な解決策を提供する。 しかし、初期の調査では、MambaはGSWFの文脈では不十分であることが示され、さらなる適応と最適化が示唆された。 本稿では,GSWFに適した新しいマンバ型アプローチである気象時空間モデル(WSSM)を提案する。 地理的知識は、絶対的な特別な時間的位置を表すために広く使われている位置符号化に加えて統合される。 季節変動から極端な気象変動をモデル化するために,多スケールの時間周波数特性を粗大から微粒に合成する。 本手法は, 予測精度を効果的に向上し, 極端な気象事象の予測の課題に対処する。 気象5Kサブセットを用いたWSSMの有効性の評価結果

関連論文リスト

• FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
  本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。 我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。 日時から季節時の予測誤差成長に関するアブレーション実験
  論文  参考訳（メタデータ） (2024-11-15T13:44:37Z)
• Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
  地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。 我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。 本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
  論文  参考訳（メタデータ） (2024-09-11T19:31:56Z)
• 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)
• FuXi Weather: A data-to-forecast machine learning system for global weather [13.052716094161886]
  FuXi Weatherは、複数の衛星のデータと類似した機械学習の天気予報システムである。 FuXi 気象は、中央アフリカなどの観測圏において、ECMWF HRES を一貫して上回っている。
  論文  参考訳（メタデータ） (2024-08-10T07:42:01Z)
• Leveraging data-driven weather models for improving numerical weather prediction skill through large-scale spectral nudging [1.747339718564314]
  本研究は,気象予測に対する物理学的アプローチとAI的アプローチの相対的強みと弱みについて述べる。 GEM予測された大規模状態変数をGraphCast予測に対してスペクトル的に評価するハイブリッドNWP-AIシステムを提案する。 その結果,このハイブリッド手法は,GEMモデルの予測能力を高めるために,GraphCastの強みを活用できることが示唆された。
  論文  参考訳（メタデータ） (2024-07-08T16:39:25Z)
• How far are today's time-series models from real-world weather forecasting applications? [22.68937280154092]
  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。
  論文  参考訳（メタデータ） (2024-06-20T15:18:52Z)
• Advancing Data-driven Weather Forecasting: Time-Sliding Data Augmentation of ERA5 [3.3748750222488657]
  我々は高解像度データへの共通依存から逸脱する新しい戦略を導入する。 本稿では,データ拡張と処理に対する新たなアプローチとして,変数の追加による従来のアプローチの改善について述べる。 その結果, 解像度が低いにもかかわらず, 提案手法は大気条件の予測にかなり精度が高いことがわかった。
  論文  参考訳（メタデータ） (2024-02-13T03:01:22Z)
• 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)
• Generative Modeling of High-resolution Global Precipitation Forecasts [2.1485350418225244]
  GAN(Generative Adversarial Network)を用いた最先端の深層学習降水モデル(FourCastNet)のアーキテクチャとトレーニングプロセスの改善について述べる。 我々の改良は, 降水量の極端にパーセンタイルを捕捉する上で, 1～2日間のリードタイムでの予測能力において, 最先端のNWPモデルに匹敵する優れた性能を実現している。
  論文  参考訳（メタデータ） (2022-10-22T17:21:16Z)

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。