論文の概要: Wavelet-SARIMA-Transformer: A Hybrid Model for Rainfall Forecasting

• arxiv url: http://arxiv.org/abs/2509.11903v1
• Date: Mon, 15 Sep 2025 13:27:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.30325
• Title: Wavelet-SARIMA-Transformer: A Hybrid Model for Rainfall Forecasting
• Title（参考訳）: Wavelet-SARIMA-Transformer: 降雨予測のためのハイブリッドモデル
• Authors: Junmoni Saikia, Kuldeep Goswami, Sarat C. Kakaty,
• Abstract要約: 本研究は,1971年から2023年の間にインド北東部の5つの気象区分にまたがる月間降雨量の予測を行うハイブリッドウェーブレットSARIMAトランスフォーマー(WST)を開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This study develops and evaluates a novel hybridWavelet SARIMA Transformer, WST framework to forecast using monthly rainfall across five meteorological subdivisions of Northeast India over the 1971 to 2023 period. The approach employs the Maximal Overlap Discrete Wavelet Transform, MODWT with four wavelet families such as, Haar, Daubechies, Symlet, Coiflet etc. to achieve shift invariant, multiresolution decomposition of the rainfall series. Linear and seasonal components are modeled using Seasonal ARIMA, SARIMA, while nonlinear components are modeled by a Transformer network, and forecasts are reconstructed via inverse MODWT. Comprehensive validation using an 80 is to 20 train test split and multiple performance indices such as, RMSE, MAE, SMAPE, Willmotts d, Skill Score, Percent Bias, Explained Variance, and Legates McCabes E1 demonstrates the superiority of the Haar-based hybrid model, WHST. Across all subdivisions, WHST consistently achieved lower forecast errors, stronger agreement with observed rainfall, and unbiased predictions compared with stand alone SARIMA, stand-alone Transformer, and two-stage wavelet hybrids. Residual adequacy was confirmed through the Ljung Box test, while Taylor diagrams provided an integrated assessment of correlation, variance fidelity, and RMSE, further reinforcing the robustness of the proposed approach. The results highlight the effectiveness of integrating multiresolution signal decomposition with complementary linear and deep learning models for hydroclimatic forecasting. Beyond rainfall, the proposed WST framework offers a scalable methodology for forecasting complex environmental time series, with direct implications for flood risk management, water resources planning, and climate adaptation strategies in data-sparse and climate-sensitive regions.
• Abstract（参考訳）: 本研究は,1971年から2023年の間にインド北東部の5つの気象区分にまたがる月間降雨量の予測を行うハイブリッドウェーブレットSARIMAトランスフォーマー(WST)を開発した。 この手法は、最大オーバーラップ離散ウェーブレット変換(MODWT)を用いて、降雨系列の多分解分解、シフト不変性を達成するために、Haar、Daubechies、Symlet、Coifletの4つのウェーブレットファミリーを持つ。 線形成分と季節成分は季節的ARIMA、SARIMAを用いてモデル化され、非線形成分はトランスフォーマーネットワークでモデル化され、予測は逆MODWTで再構成される。 80の総合的な検証は20の試験分割であり、RMSE、MAE、SMAPE、Willmotts d、Skill Score、Percent Bias、Explained Variance、Legates McCabes E1といった複数のパフォーマンス指標は、HaarベースのハイブリッドモデルであるWHSTの優位性を示している。 全部門にわたって、WHSTは一貫して低い予測誤差、観測された降雨との強い一致、そしてスタンドオンリーのSARIMA、スタンドアローンのトランスフォーマー、2段階のウェーブレットハイブリッドと比較してバイアスのない予測を達成した。 残留精度はLjung Boxテストにより確認され、Taylor図は相関、分散忠実度、RMSEを総合的に評価し、提案手法の堅牢性をさらに強化した。 この結果は, 相補的線形および深層学習モデルと多分解能信号分解の統合による温暖化予測の有効性を強調した。 降雨以外にも、WSTフレームワークは複雑な環境時系列を予測するためのスケーラブルな方法論を提供し、洪水リスク管理、水資源計画、データスパースおよび気候に敏感な地域での気候適応戦略に直接影響する。

関連論文リスト

• AquaCast: Urban Water Dynamics Forecasting with Precipitation-Informed Multi-Input Transformer [3.3333213240832134]
  本研究は,マルチインプット・マルチアウトプット深層学習モデルを開発することにより,都市水力学の予測課題に対処する。 モデルであるAquaCastは、すべての入力にまたがる変数間および時間的依存関係をキャプチャする。 都市排水センサを4つ搭載したLasanneCityデータセットについて検討した。
  論文  参考訳（メタデータ） (2025-09-11T13:42:34Z)
• Adaptive Rainfall Forecasting from Multiple Geographical Models Using Matrix Profile and Ensemble Learning [0.9786690381850356]
  本稿では, 行列プロファイルに基づく重み付きアンサンブル (MPWE) を提案する。 ベトナムの8大流域の降水量予測を用いてMPWEを評価し,5つの予測地平線にまたがる。 実験の結果,MPWEは予測誤差の平均値と標準偏差を一貫して達成していることがわかった。
  論文  参考訳（メタデータ） (2025-09-10T04:30:48Z)
• Wind Speed Forecasting Based on Data Decomposition and Deep Learning Models: A Case Study of a Wind Farm in Saudi Arabia [0.0]
  風力発電は常に風速のボラティリティによる不確実性を伴う。 風速予測(WSF)は電力グリッドのディスパッチ、安定性、制御性に不可欠である。 本研究では,ハイブリッド分解法に基づく定常データのための新しいWSFフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-17T22:04:46Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Ensemble Modeling for Time Series Forecasting: an Adaptive Robust Optimization Approach [3.7565501074323224]
  本稿では,時系列予測モデルの堅牢なアンサンブルを構築するための新しい手法を提案する。 本手法の有効性を,一連の合成実験と実世界の応用を通して実証する。
  論文  参考訳（メタデータ） (2023-04-09T20:30:10Z)

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。