論文の概要: FlowCast-ODE: Continuous Hourly Weather Forecasting with Dynamic Flow Matching and ODE Integration

• arxiv url: http://arxiv.org/abs/2509.14775v1
• Date: Thu, 18 Sep 2025 09:24:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:53.144841
• Title: FlowCast-ODE: Continuous Hourly Weather Forecasting with Dynamic Flow Matching and ODE Integration
• Title（参考訳）: FlowCast-ODE:動的フローマッチングとODE統合による連続時間気象予報
• Authors: Shuangshuang He, Yuanting Zhang, Hongli Liang, Qingye Meng, Xingyuan Yuan,
• Abstract要約: 本研究では,大気状態の進化を連続的な流れとしてモデル化するフレームワークであるFlowCast-ODEを提案する。 FlowCast-ODEは、物理力学系とより自然に整合するアプローチである、前の状態から条件流路を直接学習する。 軽量な低ランクAdaLN-Zero変調機構を提案し、精度を損なうことなくモデルサイズを15%削減する。
• 参考スコア（独自算出の注目度）: 6.634288668852114
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate hourly weather forecasting is critical for numerous applications. Recent deep learning models have demonstrated strong capability on 6-hour intervals, yet achieving accurate and stable hourly predictions remains a critical challenge. This is primarily due to the rapid accumulation of errors in autoregressive rollouts and temporal discontinuities within the ERA5 data's 12-hour assimilation cycle. To address these issues, we propose FlowCast-ODE, a framework that models atmospheric state evolution as a continuous flow. FlowCast-ODE learns the conditional flow path directly from the previous state, an approach that aligns more naturally with physical dynamic systems and enables efficient computation. A coarse-to-fine strategy is introduced to train the model on 6-hour data using dynamic flow matching and then refined on hourly data that incorporates an Ordinary Differential Equation (ODE) solver to achieve temporally coherent forecasts. In addition, a lightweight low-rank AdaLN-Zero modulation mechanism is proposed and reduces model size by 15% without compromising accuracy. Experiments demonstrate that FlowCast-ODE outperforms strong baselines, yielding lower root mean square error (RMSE) and better energy conservation, which reduces blurring and preserves more fine-scale spatial details. It also shows comparable performance to the state-of-the-art model in forecasting extreme events like typhoons. Furthermore, the model alleviates temporal discontinuities associated with assimilation cycle transitions.
• Abstract（参考訳）: 正確な時間ごとの天気予報は多くの応用に欠かせない。 最近のディープラーニングモデルは、6時間間隔で強力な能力を示しているが、正確で安定した時間ごとの予測を達成することは重要な課題である。 これは主に、ERA5データの12時間の同化サイクルにおいて、自動回帰ロールアウトと時間的不連続のエラーが急速に蓄積されたためである。 これらの問題に対処するために,大気状態の進化を連続的な流れとしてモデル化するFlowCast-ODEを提案する。 FlowCast-ODEは、より自然に物理力学系と整合し、効率的な計算を可能にするアプローチである、前の状態から条件流路を直接学習する。 動的フローマッチングを用いて6時間データ上でモデルをトレーニングし,通常の微分方程式(ODE)解法を組み込んだ時間毎のデータに基づいて時間毎の予測を行うための粗大な戦略を導入する。 さらに,軽量な低ランクAdaLN-Zero変調機構を提案し,精度を損なうことなくモデルサイズを15%削減した。 実験により、FlowCast-ODEは強いベースラインよりも優れており、より低いルート平均二乗誤差(RMSE)とエネルギー保存性が向上し、ぼやけを低減し、より微細な空間的詳細を保存することが示されている。 また、台風のような極端な事象を予測する際に、最先端のモデルに匹敵するパフォーマンスを示す。 さらに、同化サイクル遷移に伴う時間的不連続を緩和する。

関連論文リスト

• LaDCast: A Latent Diffusion Model for Medium-Range Ensemble Weather Forecasting [1.2277343096128712]
  我々は中距離アンサンブル予測のための最初のグローバル潜在拡散フレームワークであるLaDCastを紹介する。 LaDCastは学習された潜在空間で、時間ごとのアンサンブル予測を生成する。 LaDCastはEuropean Centre for Medium-Range Forecast IFS-ENSに近い決定的および確率的スキルを達成している。
  論文  参考訳（メタデータ） (2025-06-10T19:17:14Z)
• FlowMo: Variance-Based Flow Guidance for Coherent Motion in Video Generation [51.110607281391154]
  FlowMoは、テキスト・ビデオ・モデルにおける動きコヒーレンスを高めるためのトレーニング不要のガイダンス手法である。 時間次元のパッチワイドな分散を測定して動きのコヒーレンスを推定し、サンプリング中にこの分散を動的に減少させるためにモデルを導く。
  論文  参考訳（メタデータ） (2025-06-01T19:55:33Z)
• FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
  FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。 非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。 条件設定では、太陽予測において優れた性能を達成している。
  論文  参考訳（メタデータ） (2024-11-12T03:03:23Z)
• ODEStream: A Buffer-Free Online Learning Framework with ODE-based Adaptor for Streaming Time Series Forecasting [11.261457967759688]
  ODEStreamはバッファフリーの連続的な学習フレームワークで、データ内の時間的依存関係をキャプチャするための時間的分離レイヤを備えている。 連続したデータ表現を生成し、データストリーミングシナリオにおける動的変更へのシームレスな適応を可能にする。 我々のアプローチは、過去のデータの動的および分布が時間とともにどのように変化するかを学ぶことに集中し、ストリーミングシーケンスの直接処理を容易にする。
  論文  参考訳（メタデータ） (2024-11-11T22:36:33Z)
• Mitigating Time Discretization Challenges with WeatherODE: A Sandwich Physics-Driven Neural ODE for Weather Forecasting [20.135470301151727]
  天気予報精度を向上させるために,新しい物理駆動型常微分方程式(ODE)モデルを提案する。 波動方程式理論の活用と時間依存ソースモデルの統合により、気象学は時分割誤差や動的大気過程に関連する課題を効果的に解決する。 気象予報は, 気象予報と地域気象予報の双方において優れた性能を示し, 近年の最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-10-09T05:41:24Z)
• Functional Latent Dynamics for Irregularly Sampled Time Series Forecasting [5.359176539960004]
  不規則にサンプリングされた時系列は、医療、気候、天文学など、複数の現実世界の応用でしばしば見られる。 機能潜在ダイナミクス(FLD)と呼ばれるモデル群を提案する。 正規微分方程式(ODE)を解く代わりに、モデル内の連続潜時状態を特定するために、常に点が存在する単純な曲線を用いる。
  論文  参考訳（メタデータ） (2024-05-06T15:53:55Z)
• Deep Latent State Space Models for Time-Series Generation [68.45746489575032]
  状態空間ODEに従って進化する潜伏変数を持つ列の生成モデルLS4を提案する。 近年の深層状態空間モデル(S4)に着想を得て,LS4の畳み込み表現を利用して高速化を実現する。 LS4は, 実世界のデータセット上での限界分布, 分類, 予測スコアにおいて, 従来の連続時間生成モデルよりも有意に優れていた。
  論文  参考訳（メタデータ） (2022-12-24T15:17:42Z)
• Real-time Object Detection for Streaming Perception [84.2559631820007]
  ストリーミング知覚は,ビデオオンライン知覚の1つの指標として,レイテンシと精度を共同評価するために提案される。 ストリーミング知覚のためのシンプルで効果的なフレームワークを構築します。 提案手法はArgoverse-HDデータセット上での競合性能を実現し,強力なベースラインに比べてAPを4.9%向上させる。
  論文  参考訳（メタデータ） (2022-03-23T11:33:27Z)

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。