論文の概要: IndiaWeatherBench: A Dataset and Benchmark for Data-Driven Regional Weather Forecasting over India

• arxiv url: http://arxiv.org/abs/2509.00653v1
• Date: Sun, 31 Aug 2025 01:25:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.32523
• Title: IndiaWeatherBench: A Dataset and Benchmark for Data-Driven Regional Weather Forecasting over India
• Title（参考訳）: IndiaWeatherBench:インドにおけるデータ駆動地域気象予測のためのデータセットとベンチマーク
• Authors: Tung Nguyen, Harkanwar Singh, Nilay Naharas, Lucas Bandarkar, Aditya Grover,
• Abstract要約: IndiaWeatherBenchは、インド亜大陸に焦点を当てたデータ駆動地域天気予報のベンチマークである。 私たちはUNets、Transformer、Graphベースのネットワークなど、さまざまなアーキテクチャのさまざまなモデルを実装し、評価します。 アクセシビリティと今後の開発を促進するために、すべての生および前処理されたデータセット、モデル実装、パイプラインをオープンソースにしています。
• 参考スコア（独自算出の注目度）: 37.53463011903496
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Regional weather forecasting is a critical problem for localized climate adaptation, disaster mitigation, and sustainable development. While machine learning has shown impressive progress in global weather forecasting, regional forecasting remains comparatively underexplored. Existing efforts often use different datasets and experimental setups, limiting fair comparison and reproducibility. We introduce IndiaWeatherBench, a comprehensive benchmark for data-driven regional weather forecasting focused on the Indian subcontinent. IndiaWeatherBench provides a curated dataset built from high-resolution regional reanalysis products, along with a suite of deterministic and probabilistic metrics to facilitate consistent training and evaluation. To establish strong baselines, we implement and evaluate a range of models across diverse architectures, including UNets, Transformers, and Graph-based networks, as well as different boundary conditioning strategies and training objectives. While focused on India, IndiaWeatherBench is easily extensible to other geographic regions. We open-source all raw and preprocessed datasets, model implementations, and evaluation pipelines to promote accessibility and future development. We hope IndiaWeatherBench will serve as a foundation for advancing regional weather forecasting research. Code is available at https://github.com/tung-nd/IndiaWeatherBench.
• Abstract（参考訳）: 地域気象予報は、局地的な気候適応、防災、持続可能な開発にとって重要な問題である。 機械学習は世界の天気予報において顕著な進歩を見せている一方、地域予測はいまだにあまり探索されていない。 既存の取り組みは、しばしば異なるデータセットと実験的なセットアップを使用し、公正な比較と再現性を制限する。 IndiaWeatherBenchは、インド亜大陸に焦点を当てたデータ駆動地域天気予報のための総合的なベンチマークである。 IndiaWeatherBenchは、高解像度の地域再分析製品と、一貫したトレーニングと評価を容易にするための決定論的および確率的メトリクススイートから構築された、キュレートされたデータセットを提供する。 強力なベースラインを確立するため,UNets,Transformer,Graphベースのネットワークなど,さまざまなアーキテクチャのさまざまなモデルを実装し,評価する。 インドに集中しているが、IndiaWeatherBenchは他の地域にも容易に拡張できる。 アクセシビリティと今後の開発を促進するために、生および前処理されたデータセット、モデル実装、評価パイプラインをすべてオープンソースにしています。 IndiaWeatherBenchが地域気象予報研究の基盤になることを期待している。 コードはhttps://github.com/tung-nd/IndiaWeatherBench.comで入手できる。

関連論文リスト

• OneForecast: A Universal Framework for Global and Regional Weather Forecasting [42.49580040971529]
  本稿では,グラフニューラルネットワークに基づくグローバルなネスト型気象予報フレームワーク(OneForecast)を提案する。 動的システムパースペクティブとマルチグリッド理論を組み合わせることで,マルチスケールグラフ構造を構築し,対象領域を密度化する。 動的ゲーティングユニットを用いた適応型メッセージング機構を導入し,ノードとエッジ機能を深く統合し,より正確なイベント予測を行う。
  論文  参考訳（メタデータ） (2025-02-01T06:49:16Z)
• Day-ahead regional solar power forecasting with hierarchical temporal convolutional neural networks using historical power generation and weather data [2.9884358130293056]
  本研究では,各地域における天気データと時系列(集約,個人)の両タイプを効果的に活用する,深層学習に基づく地域予測手法を提案する。 提案した研究は、西オーストラリアの101カ所から1年以上にわたって収集された大規模なデータセットを用いて評価され、予測を1日先延ばしにしている。
  論文  参考訳（メタデータ） (2024-03-04T00:09:07Z)
• SCTc-TE: A Comprehensive Formulation and Benchmark for Temporal Event Forecasting [63.01035584154509]
  私たちは完全に自動化されたパイプラインを開発し、約0.6百万のニュース記事からMidEast-TEという大規模なデータセットを構築しました。 このデータセットは、2015年から2022年まで、主に中東地域での協力と紛争イベントに焦点を当てている。 そこで本稿では,SCTc-TE予測にローカルコンテキストとグローバルコンテキストの両方を活用可能なLoGoを提案する。
  論文  参考訳（メタデータ） (2023-12-02T07:40:21Z)
• Federated Prompt Learning for Weather Foundation Models on Devices [37.88417074427373]
  天気予報のためのデバイス上のインテリジェンスでは、ローカルなディープラーニングモデルを使用して、集中型クラウドコンピューティングなしで気象パターンを分析する。 本稿では,FedPoD(Federated Prompt Learning for Weather Foundation Models on Devices)を提案する。 FedPoDは、通信効率を維持しながら、高度にカスタマイズされたモデルを得ることができる。
  論文  参考訳（メタデータ） (2023-05-23T16:59:20Z)
• 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)
• Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast [91.9372563527801]
  我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。 初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。 Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
  論文  参考訳（メタデータ） (2022-11-03T17:19:43Z)
• SubseasonalClimateUSA: A Dataset for Subseasonal Forecasting and Benchmarking [20.442879707675115]
  SubseasonalClimateUSAは、米国におけるサブシーズン予測モデルのトレーニングとベンチマークのための、キュレートされたデータセットである。 このデータセットを使用して、操作力学モデル、古典的気象ベースライン、最先端の機械学習10、文献からのディープラーニングベースのメソッドなど、さまざまなモデルのスイートをベンチマークします。
  論文  参考訳（メタデータ） (2021-09-21T18:42:10Z)
• WeatherBench: A benchmark dataset for data-driven weather forecasting [17.76377510880905]
  データ駆動型中距離天気予報のためのベンチマークデータセットを提案する。 機械学習モデルでの使用を容易にするために処理されたERA5アーカイブから得られたデータを提供する。 単純な線形回帰手法、ディープラーニングモデル、および純粋に物理的な予測モデルからベースラインスコアを提供する。
  論文  参考訳（メタデータ） (2020-02-02T19:20:46Z)

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。