論文の概要: PA-Net: Precipitation-Adaptive Mixture-of-Experts for Long-Tail Rainfall Nowcasting

• arxiv url: http://arxiv.org/abs/2603.13818v1
• Date: Sat, 14 Mar 2026 08:02:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.425037
• Title: PA-Net: Precipitation-Adaptive Mixture-of-Experts for Long-Tail Rainfall Nowcasting
• Title（参考訳）: PA-Net:長期雨量予測のための降水-適応混合実験
• Authors: Xinyu Xiao, Sen Lei, Eryun Liu, Shiming Xiang, Hao Li, Cheng Yuan, Yuan Qi, Qizhao Jin,
• Abstract要約: 洪水警報、農業管理、緊急対応には降水量計が不可欠である。 降雨強度によって計算予算が明示的に制御される変圧器フレームワークである降雨適応ネットワーク(PA-Net)を提案する。 ERA5の実験では、最先端のベースラインよりも一貫した改善が示され、強風と暴風雨の状況が著しく向上した。
• 参考スコア（独自算出の注目度）: 30.94380402656709
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Precipitation nowcasting is vital for flood warning, agricultural management, and emergency response, yet two bottlenecks persist: the prohibitive cost of modeling million-scale spatiotemporal tokens from multi-variate atmospheric fields, and the extreme long-tailed rainfall distribution where heavy-to-torrential events -- those of greatest societal impact -- constitute fewer than 0.1% of all samples. We propose the Precipitation-Adaptive Network (PA-Net), a Transformer framework whose computational budget is explicitly governed by rainfall intensity. Its core component, Precipitation-Adaptive MoE (PA-MoE), dynamically scales the number of activated experts per token according to local precipitation magnitude, channeling richer representational capacity toward the rare yet critical heavy-rainfall tail. A Dual-Axis Compressed Latent Attention mechanism factorizes spatiotemporal attention with convolutional reduction to manage massive context lengths, while an intensity-aware training protocol progressively amplifies learning signals from extreme-rainfall samples. Experiment on ERA5 demonstrate consistent improvements over state-of-the-art baselines, with particularly significant gains in heavy-rain and rainstorm regimes.
• Abstract（参考訳）: 洪水警報、農業管理、緊急対応には降水量計が不可欠だが、多変量大気圏から100万単位の時空間トークンをモデル化する禁忌費用と、大雨の降水量(社会への影響が最も大きい)が全サンプルの0.1%未満を占める極端に長い雨量分布という2つのボトルネックが続いている。 降雨強度によって計算予算が明示的に制御される変圧器フレームワークである降雨適応ネットワーク(PA-Net)を提案する。 その中核成分である沈殿-適応型MoE (PA-MoE) は、局所降水量の大きさに応じてトークン当たりのアクティベーション・エキスパートの数を動的にスケールし、希少な重い降水尾に対してより豊かな表現能力をもたらす。 Dual-Axis Compressed Latent Attention(二重軸圧縮潜在注意機構)は、畳み込みによる時空間の注意を分解し、大量のコンテキスト長を管理する一方、強度認識トレーニングプロトコルは、極端降雨サンプルからの学習信号を徐々に増幅する。 ERA5の実験では、最先端のベースラインよりも一貫した改善が見られ、特に強風や暴風雨が顕著に増加した。

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)
• DPSformer: A long-tail-aware model for improving heavy rainfall prediction [48.884870685632755]
  DPSformerは,高分解能分岐による豪雨イベントの表現を充実させる長テール認識モデルである。 豪雨の場合、DPSformerはベースラインの数値気象予測(NWP)モデルのCritical Success Index(CSI)を0.012から0.067に引き上げる。 我々の研究は、降雨予測のための効果的な長期的パラダイムを確立し、早期警戒システムを強化し、極端な気象事象の社会的影響を軽減するための実用的なツールを提供する。
  論文  参考訳（メタデータ） (2025-09-20T15:09:38Z)
• TRG-Net: An Interpretable and Controllable Rain Generator [61.2760968459789]
  本研究は,降雨の基盤となる物理的発生機構を十分に考慮した,新しい深層学習型降雨発生器を提案する。 その意義は、発電機が予想される雨をシミュレートするために雨の本質的な要素を精巧に設計するだけでなく、複雑で多様な雨のイメージに微妙に適応することにある。 提案した雨発生器が発生した雨は, 高品質であるだけでなく, 排水作業や下流作業にも有効であることを示す。
  論文  参考訳（メタデータ） (2024-03-15T03:27:39Z)
• 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)
• 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)
• TRU-NET: A Deep Learning Approach to High Resolution Prediction of Rainfall [21.399707529966474]
  本稿では,連続的畳み込み再帰層間の新しい2次元クロスアテンション機構を特徴とするエンコーダデコーダモデルであるTRU-NETを提案する。 降雨のゼロ・スクイド・%極端事象パターンを捉えるために,条件付き連続損失関数を用いた。 実験の結果,短期降水予測ではDLモデルよりもRMSEとMAEのスコアが低いことがわかった。
  論文  参考訳（メタデータ） (2020-08-20T17:27:59Z)
• From Rain Generation to Rain Removal [67.71728610434698]
  雨層を生成物としてパラメータ化した雨画像のためのベイズ生成モデルを構築した。 降雨画像の統計的分布を推定するために,変分推論の枠組みを用いる。 総合的な実験により,提案モデルが複雑な降雨分布を忠実に抽出できることが確認された。
  論文  参考訳（メタデータ） (2020-08-08T18:56:51Z)

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。