論文の概要: RainBalance: Alleviating Dual Imbalance in GNSS-based Precipitation Nowcasting via Continuous Probability Modeling

• arxiv url: http://arxiv.org/abs/2601.06137v1
• Date: Mon, 05 Jan 2026 08:07:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:00.603519
• Title: RainBalance: Alleviating Dual Imbalance in GNSS-based Precipitation Nowcasting via Continuous Probability Modeling
• Title（参考訳）: RainBalance: 連続確率モデリングによるGNSSベースの降雨予報における双対不均衡の軽減
• Authors: Yifang Zhang, Shengwu Xiong, Henan Wang, Wenjie Yin, Jiawang Peng, Duan Zhou, Yuqiang Zhang, Chen Zhou, Hua Chen, Qile Zhao, Pengfei Duan,
• Abstract要約: 降水流の二重不均衡問題に対処するための連続確率モデリングに基づくフレームワークであるRainBalanceを提案する。 この連続確率空間で学習することにより、このタスクは、単一および非バランスな降水ラベルの適合から連続確率ラベルの分布のモデル化へと再構成される。
• 参考スコア（独自算出の注目度）: 17.783666279038673
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Global navigation satellite systems (GNSS) station-based Precipitation Nowcasting aims to predict rainfall within the next 0-6 hours by leveraging a GNSS station's historical observations of precipitation, GNSS-PWV, and related meteorological variables, which is crucial for disaster mitigation and real-time decision-making. In recent years, time-series forecasting approaches have been extensively applied to GNSS station-based precipitation nowcasting. However, the highly imbalanced temporal distribution of precipitation, marked not only by the dominance of non-rainfall events but also by the scarcity of extreme precipitation samples, significantly limits model performance in practical applications. To address the dual imbalance problem in precipitation nowcasting, we propose a continuous probability modeling-based framework, RainBalance. This plug-and-play module performs clustering for each input sample to obtain its cluster probability distribution, which is further mapped into a continuous latent space via a variational autoencoder (VAE). By learning in this continuous probabilistic space, the task is reformulated from fitting single and imbalance-prone precipitation labels to modeling continuous probabilistic label distributions, thereby alleviating the imbalance issue. We integrate this module into multiple state-of-the-art models and observe consistent performance gains. Comprehensive statistical analysis and ablation studies further validate the effectiveness of our approach.
• Abstract（参考訳）: 地球航法衛星システム(GNSS)は、GNSSステーションの降水に関する歴史的観測、GNSS-PWVおよび関連する気象変数を活用することで、次の0～6時間以内に降雨を予測することを目的としている。 近年, GNSS の降水量予測手法は, GNSS の降水量予測に広く適用されている。 しかし, 降雨の時間的分布は, 非降雨イベントの優位性だけでなく, 極端な降雨サンプルの不足により著しく低下し, 実用上のモデル性能は著しく低下した。 降水流の二重不均衡問題に対処するため,連続確率モデリングに基づくフレームワークRainBalanceを提案する。 このプラグアンドプレイモジュールは、各入力サンプルに対してクラスタリングを行い、そのクラスタ確率分布を取得し、変分オートエンコーダ(VAE)を介して、さらに連続潜時空間にマッピングされる。 この連続確率空間で学習することにより、このタスクは、単一および非均衡な降水ラベルの適合から連続確率ラベル分布のモデル化へと再構成され、不均衡問題を緩和する。 このモジュールを複数の最先端モデルに統合し、一貫したパフォーマンス向上を観察する。 包括的統計的分析とアブレーション研究により,我々のアプローチの有効性がさらに検証された。

関連論文リスト

• CSU-PCAST: A Dual-Branch Transformer Framework for medium-range ensemble Precipitation Forecasting [6.540270371082014]
  本研究では,多段階降水予測のための深層学習に基づくアンサンブルフレームワークを開発する。 アーキテクチャはパッチベースのSwin Transformerのバックボーンを使用し、周期的な畳み込みによって長手連続性を扱う。 トレーニングは、CRPS(Continuous Ranked Probability Score)と重み付きlog1p平均二乗誤差(log1pMSE)を組み合わせたハイブリッド損失を最小限にする
  論文  参考訳（メタデータ） (2025-10-23T17:43:38Z)
• How Effective Are Time-Series Models for Precipitation Nowcasting? A Comprehensive Benchmark for GNSS-based Precipitation Nowcasting [18.312964316878283]
  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。
  論文  参考訳（メタデータ） (2025-09-28T03:21:24Z)
• Elucidated Rolling Diffusion Models for Probabilistic Weather Forecasting [52.6508222408558]
  Eucidated Rolling Diffusion Models (ERDM)を紹介する。 ERDMはEucidated Diffusion Models (EDM) の原理的, 性能的設計とローリング予測構造を統一する最初のフレームワークである 2D Navier-StokesシミュレーションとERA5グローバル気象予報の1.5円解像度では、ERDMはキー拡散ベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-06-24T21:44:31Z)
• STAA: Spatio-Temporal Alignment Attention for Short-Term Precipitation Forecasting [9.177158814568887]
  SATAを時間的アライメントモジュールとし、STAUを時間的アライメント特徴抽出器とする、時間的アライメントに基づく短期降水予測モデル。 衛星データとERA5データに基づいて、我々のモデルはRMSEの12.61%の改善を達成し、最先端の手法と比較した。
  論文  参考訳（メタデータ） (2024-09-06T10:28:52Z)
• Probabilistic Forecasting with Stochastic Interpolants and Föllmer Processes [18.344934424278048]
  生成モデルに基づく動的システムの確率的予測のためのフレームワークを提案する。 このSDEのドリフトと拡散係数は訓練後に調整できることを示し、推定誤差の影響を最小限に抑える特定の選択がF"ollmerプロセスを与えることを示した。
  論文  参考訳（メタデータ） (2024-03-20T16:33:06Z)
• Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
  気象予報に拡散モデル(DM)を適用した新しい手法を提案する。 提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。 我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
  論文  参考訳（メタデータ） (2024-02-06T21:28:42Z)
• CasCast: Skillful High-resolution Precipitation Nowcasting via Cascaded Modelling [93.65319031345197]
  本稿では,メソスケール降水分布と小規模パターンの予測を分離するために,決定的かつ確率的な部分からなるカスケードフレームワークCasCastを提案する。 CasCastは地域の極端降水量計のベースライン(+91.8%)をはるかに上回っている。
  論文  参考訳（メタデータ） (2024-02-06T08:30:47Z)
• Attention-Based Ensemble Pooling for Time Series Forecasting [55.2480439325792]
  本稿では,候補モデル予測よりも重み付き平均値を実行するプーリング法を提案する。 本手法は,非定常ロレンツ63方程式の動力学の多段階予測と,COVID-19による週次死亡事故の1段階予測という2つの時系列予測問題に対して試行する。
  論文  参考訳（メタデータ） (2023-10-24T22:59:56Z)
• Learning Interpretable Deep State Space Model for Probabilistic Time Series Forecasting [98.57851612518758]
  確率的時系列予測は、その歴史に基づいて将来の分布を推定する。 本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。 実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
  論文  参考訳（メタデータ） (2021-01-31T06:49:33Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。