Fugu-MT 論文翻訳(概要): How Effective Are Time-Series Models for Precipitation Nowcasting? A Comprehensive Benchmark for GNSS-based Precipitation Nowcasting

論文の概要: How Effective Are Time-Series Models for Precipitation Nowcasting? A Comprehensive Benchmark for GNSS-based Precipitation Nowcasting

arxiv url: http://arxiv.org/abs/2509.25263v3
Date: Tue, 04 Nov 2025 03:17:03 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-05 16:37:26.459518
Title: How Effective Are Time-Series Models for Precipitation Nowcasting? A Comprehensive Benchmark for GNSS-based Precipitation Nowcasting
Title（参考訳）: 降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水
Authors: Yifang Zhang, Shengwu Xiong, Henan Wang, Wenjie Yin, Jiawang Peng, Yuqiang Zhang, Chen Zhou, Hua Chen, Qile Zhao, Pengfei Duan,
Abstract要約: RainfallBenchは、降水量計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つの必須変数の時間間隔で記録された5年間の気象観測から導かれる。降水性水蒸気(PWV)は、他のデータセットにない降雨の重要な指標である。
参考スコア（独自算出の注目度）: 18.312964316878283
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Precipitation Nowcasting, which aims to predict precipitation within the next 0 to 6 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 precipitation nowcasting. To address this gap, we propose RainfallBench, a benchmark designed for precipitation nowcasting, a highly challenging and practically relevant task characterized by zero inflation, temporal decay, and non-stationarity, focusing on predicting precipitation within the next 0 to 6 hours. The dataset is derived from five years of meteorological observations, recorded at hourly intervals across six essential variables, and collected from more than 140 Global Navigation Satellite System (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 protocols to assess model performance on key meteorological challenges, including multi-scale prediction, multi-resolution forecasting, and extreme rainfall events, benchmarking 17 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.
Abstract（参考訳）: 今後0～6時間以内に降水を予測することを目的とした降水ノウキャスティングは,災害の緩和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、降水流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温度や湿度のような強い周期性を持つ変数に基づいて評価される。このギャップに対処するために,降水量計のためのベンチマークであるRainfallBenchを提案する。これは,0～6時間以内に降水を予測することに焦点を当てた,ゼロインフレーション,時間減衰,非定常性を特徴とする極めて困難で実用的なタスクである。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つの重要な変数の時間間隔で記録され、世界中の140以上のグローバル・ナビゲーション・サテライト・システム(GNSS)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、マルチスケール予測、マルチレゾリューション予測、極端な降雨イベントなど、重要な気象問題に対するモデル性能を評価するための特別な評価プロトコルを設計し、レインフォールベンチの6つの主要なアーキテクチャで17の最先端モデルをベンチマークする。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。

関連論文リスト

Extreme Weather Nowcasting via Local Precipitation Pattern Prediction [6.992919908851609]
ExPreCastは、詳細なレーダ予測を生成するための効率的な決定論的フレームワークである。我々の手法は最先端の性能を実現し、通常の降雨体制と極端な降雨体制の両方で正確で信頼性の高い流星を届ける。
論文参考訳（メタデータ） (2026-02-05T01:55:14Z)
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)
Appa: Bending Weather Dynamics with Latent Diffusion Models for Global Data Assimilation [4.430758443755128]
Appaはスコアベースのデータ同化モデルで、地球規模の大気軌道を0.25度と1時間間隔で生成する。この結果から,将来的な大気モデルシステムの基礎として,潜在スコアに基づくデータ同化が確立される。
論文参考訳（メタデータ） (2025-04-25T22:14:29Z)
OneForecast: A Universal Framework for Global and Regional Weather Forecasting [67.61381313555091]
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)
Skillful High-Resolution Ensemble Precipitation Forecasting with an Integrated Deep Learning Framework [4.3313006430322165]
高解像度降水予測は、正確な天気予報を提供し、極端な気象イベントに対する効果的な対応をサポートするために不可欠である。本研究では,高分解能アンサンブル降水予測のための物理に着想を得たディープラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2025-01-06T10:29:38Z)
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)
FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D Variational Assimilation [67.20588721130623]
我々は,AIを用いた循環型天気予報システムFengWu-4DVarを開発した。 FengWu-4DVarは観測データをデータ駆動の天気予報モデルに組み込むことができる。シミュレーションされた観測データセットの実験は、FengWu-4DVarが合理的な解析場を生成することができることを示した。
論文参考訳（メタデータ） (2023-12-16T02:07:56Z)
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)
Nowcasting-Nets: Deep Neural Network Structures for Precipitation Nowcasting Using IMERG [1.9860735109145415]
リカレントと畳み込み型ディープニューラルネットワーク構造を用いて、降水流の課題に対処する。 GPM (Global Precipitation Measurement, GPM) 統合マルチサテライトE(Multi-SatellitE Retrievals) を用いて、米国東部大陸の降水量データ(IMERG)を用いて、合計5つのモデルを訓練した。また, 予測時間を最大1.5時間, フィードバックループアプローチを用いて4.5時間まで延長できるモデルについても検討した。
論文参考訳（メタデータ） (2021-08-16T02:55:32Z)
RainBench: Towards Global Precipitation Forecasting from Satellite Imagery [6.462260770989231]
極端に降水するイベントは、発展途上国の経済と生活を定期的に破壊する。データ駆動型ディープラーニングアプローチは、正確な複数日予測へのアクセスを広げる可能性がある。現在、世界的な降雨予測の研究に特化したベンチマークデータセットは存在しない。
論文参考訳（メタデータ） (2020-12-17T15:35:24Z)
A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文参考訳（メタデータ） (2020-06-13T20:53:17Z)

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。