論文の概要: How Effective Are Time-Series Models for Rainfall Nowcasting? A Comprehensive Benchmark for Rainfall Nowcasting Incorporating PWV Data

• arxiv url: http://arxiv.org/abs/2509.25263v1
• Date: Sun, 28 Sep 2025 03:21:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 17:09:04.214484
• Title: How Effective Are Time-Series Models for Rainfall Nowcasting? A Comprehensive Benchmark for Rainfall Nowcasting Incorporating PWV Data
• Title（参考訳）: 降雨予報における時系列モデルはどの程度有効か? : PWVデータを組み込んだ降雨予報の総合的ベンチマーク
• Authors: Yifang Zhang, Pengfei Duan, Henan Wang, Shengwu Xiong,
• Abstract要約: RainfallBench(レインフォールベンチ)は、降雨用に設計されたベンチマークである。 このデータセットは、6つの必須変数の15分間隔で記録された5年間の気象観測から導かれる。 我々はRainfallBenchで6つの主要なアーキテクチャで20以上の最先端モデルを評価した。
• 参考スコア（独自算出の注目度）: 15.73752832185666
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rainfall nowcasting, which aims to predict precipitation within the next 0 to 3 hours, is critical for disaster mitigation and real-time response planning. However, most time series forecasting benchmarks in meteorology are evaluated on variables with strong periodicity, such as temperature and humidity, which fail to reflect model capabilities in more complex and practically meteorology scenarios like rainfall nowcasting. To address this gap, we propose RainfallBench, a benchmark designed for rainfall nowcasting, a highly challenging and practically relevant task characterized by zero inflation, temporal decay, and non-stationarity, focused on predicting precipitation within the next 0 to 3 hours. The dataset is derived from five years of meteorological observations, recorded at 15-minute intervals across six essential variables, and collected from more than 12,000 GNSS stations globally. In particular, it incorporates precipitable water vapor (PWV), a crucial indicator of rainfall that is absent in other datasets. We further design specialized evaluation strategies to assess model performance on key meteorological challenges, such as multi-scale prediction and extreme rainfall events, and evaluate over 20 state-of-the-art models across six major architectures on RainfallBench. Additionally, to address the zero-inflation and temporal decay issues overlooked by existing models, we introduce Bi-Focus Precipitation Forecaster (BFPF), a plug-and-play module that incorporates domain-specific priors to enhance rainfall time series forecasting. Statistical analysis and ablation studies validate the comprehensiveness of our dataset as well as the superiority of our methodology. Code and datasets are available at https://anonymous.4open.science/r/RainfallBench-A710.
• Abstract（参考訳）: 今後0～3時間以内に降雨を予測することを目的とした降雨流しは、災害の軽減とリアルタイム対応計画に不可欠である。 しかし、気象学におけるほとんどの時系列予測ベンチマークは、気温や湿度などの強い周期性を持つ変数で評価され、降雨流しのようなより複雑で実践的な気象シナリオにおけるモデル能力の反映に失敗する。 このギャップを解消するために,降雨予測のためのベンチマークであるRainfallBenchを提案する。これは,0時間から3時間以内に降雨を予測することに焦点を当てた,ゼロインフレーション,時間的減衰,非定常性を特徴とする,極めて困難で実用的な課題である。 このデータセットは5年間の気象観測から派生したもので、6つの必須変数の15分間隔で記録され、12,000以上のGNSS観測所から収集された。 特に、他のデータセットにない降雨の重要な指標である降水蒸気(PWV)が組み込まれている。 さらに,マルチスケールの予測や極端な降雨イベントなど,重要な気象上の課題に対するモデル性能を評価するための特別評価戦略を設計し,レインフォールベンチの6つの主要建築物にまたがる20以上の最先端モデルを評価する。 さらに,既存モデルで見過ごされるゼロ・インフレーションと時間的減衰問題に対処するため,降雨時系列予測を強化するために,ドメイン固有の先行を組み込んだプラグイン・アンド・プレイモジュールであるBi-Focus Precipitation Forecaster (BFPF)を導入する。 統計的分析およびアブレーション研究は、我々のデータセットの包括性と、我々の方法論の優越性を検証した。 コードとデータセットはhttps://anonymous.4open.science/r/RainfallBench-A710で公開されている。

関連論文リスト

• Towards a Spatiotemporal Fusion Approach to Precipitation Nowcasting [0.13981513837988355]
  リオデジャネイロの気象雨量計観測所のデータを統合することで,降水量計のためのデータ融合手法を提案する。 我々はSTConvS2Sと呼ばれる数値的な気象深度学習アーキテクチャを採用し、9 x 11グリッドをカバーする構造化データセットを活用している。 実験された構成のうち、核融合モデルでは1時間リードで重降雨(25 mm/h以上)に対して0.2033のF1スコアを達成する。
  論文  参考訳（メタデータ） (2025-05-25T18:27:19Z)
• Data-driven rainfall prediction at a regional scale: a case study with Ghana [4.028179670997471]
  最先端の数値天気予報(NWP)モデルは、アフリカの熱帯地域で熟練した降雨予測を作成するのに苦労している。 2つのU-Net畳み込みニューラルネットワーク(CNN)モデルを開発し、12時間と30時間リード時の24時間降雨を予測する。 また,従来のNWPモデルとデータ駆動モデルを組み合わせることにより,予測精度が向上することがわかった。
  論文  参考訳（メタデータ） (2024-10-17T22:07:53Z)
• 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)
• 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)
• 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)
• 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)
• A case study of spatiotemporal forecasting techniques for weather forecasting [4.347494885647007]
  実世界のプロセスの相関は時間的であり、それらによって生成されたデータは空間的および時間的進化の両方を示す。 時系列モデルが数値予測の代替となる。 本研究では,分解時間予測モデルにより計算コストを低減し,精度を向上することを示した。
  論文  参考訳（メタデータ） (2022-09-29T13:47:02Z)

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。