論文の概要: PCSDiff: Diffusion-Based Bias Correction and Super Resolution Toward Practical Operational Medium-Term Precipitation Forecast
- arxiv url: http://arxiv.org/abs/2609.06942v1
- Date: Mon, 07 Sep 2026 02:24:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.339869
- Title: PCSDiff: Diffusion-Based Bias Correction and Super Resolution Toward Practical Operational Medium-Term Precipitation Forecast
- Title（参考訳）: PCSDiff:拡散に基づくバイアス補正と実用的中間沈降予測に向けた超解像
- Abstract要約: 既存のAI補正技術には、マルチデイダイナミックバイアス進化と適切な気象制約のための専用のモデリングがない。
本研究は,10日間の降水バイアス補正とダウンスケーリングを対象とするタスク分離拡散フレームワークであるPCSDiffを紹介する。
- 参考スコア（独自算出の注目度）: 14.16711168258894
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Medium-range precipitation forecasts are impaired by persistent systematic biases, lead-time-dependent error accumulation, and coarse spatial resolution, restricting their reliability for flood-drought risk assessment. Existing AI correction techniques lack dedicated modeling for multi-day dynamic bias evolution and proper meteorological constraints, often generating over-smoothed rainfall structures, and cannot meet operational deployment demands. This work introduces PCSDiff, a cascaded task-decoupled diffusion framework targeting 10-day precipitation bias correction and downscaling. To jointly counteract temporal error drifts and reconstruct physically plausible local precipitation details, PCSDiff integrates the Precipitation Intensity-aware Multi-branch Decoder (PIMD) module for dynamic multi-day error mitigation using synoptic-temporal features, followed by a two-phase conditional diffusion super-resolution module to restore fine-scale precipitation patterns. Evaluated against CMA-CRA observations over China after global-data training, PCSDiff cuts RMSE by 16.1% and lifts ACC by 13.9% relative to raw ECMWF forecasts at 3-10-day lead times, and consistently outperforms mainstream deep-learning baselines on both general and extreme-precipitation metrics. Benefiting from a streaming inference pipeline, our method achieves low-latency rolling forecasting for practical meteorological operations.
- Abstract（参考訳）: 中距離降水予測は、永続的な体系的バイアス、鉛時間に依存したエラー蓄積、粗い空間分解によって損なわれ、洪水・干ばつリスク評価の信頼性が制限される。
既存のAI補正技術には、マルチデイの動的バイアスの進化と適切な気象学的制約のための専用のモデリングがなく、しばしば過度にスムースな降雨構造を生成し、運用上のデプロイメント要求を満たすことができない。
本研究は,10日間の降水バイアス補正とダウンスケーリングを対象とするタスク分離拡散フレームワークであるPCSDiffを紹介する。
PCSDiffは、時間的誤差の漂流と物理的に妥当な局所降水の詳細の再構成を共同で行うため、降水強度を意識したマルチブランチデコーダ (PIMD) モジュールを統合して、光時間的特徴を用いた動的マルチデイエラー軽減を行い、次いで2相条件拡散超解像モジュールを用いて降水パターンを復元する。
グローバルデータトレーニング後の中国におけるCMA-CRA観測に対して評価され、PCSDiffはRMSEを16.1%削減し、310日間のリードタイムでの生ECMWF予測と比較してACCを13.9%上昇させ、一般および極端降水量の両方で主流のディープラーニングベースラインを一貫して上回っている。
本手法は,ストリーミング・推論・パイプラインの利点を生かして,実用的な気象観測のための低遅延転がり予測を実現する。
関連論文リスト
- Enhancing the Forecasting Capability of Multi-Model Blending Algorithms for Extreme Precipitation via Joint Use of Station and Gridded Observations [10.058122938830389]
従来の降水多モデルブレンディングアルゴリズムは、重みに基づいて予測フィールド上でピクセル・バイ・ピクセルブレンディングを行う。
本研究では,6つの主要なNWPモデルからの予測をブレンドするために,確率分類と値再構成という2段階の枠組みを提案する。
中国2411の気象観測所からの観測を損失関数に組み込むことにより, 新たな局間共同監視機構を導入する。
論文 参考訳（メタデータ） (2026-07-06T09:35:58Z) - Hierarchical Forecast Reconciliation for Urban Rail Transit Demand Prediction under Operational Disruptions [4.330506300153804]
本稿では,共同ステーションレベルおよびODレベルのURT需要予測のための最初の階層的予測調整フレームワークを提案する。
ニューラルネットワークのFully Connected Reconcilerは、非コヒーレントベース予測からコヒーレント階層的予測への非線形マッピングを学習する。
その結果,和解は階層的コヒーレンスを確保しつつ,OD予測精度を常に向上させることがわかった。
論文 参考訳（メタデータ） (2026-06-05T08:41:18Z) - PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。
我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。
本手法は,結合予測システムの長期安定性を著しく向上させる。
論文 参考訳（メタデータ） (2026-05-09T13:12:33Z) - 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) - A Diffusion-Based Framework for High-Resolution Precipitation Forecasting over CONUS [0.410492188035848]
本研究では,拡散に基づくディープラーニング(DL)フレームワークを,入力源のみが異なる3つの残差予測戦略を体系的に比較する。
予測は1kmの空間解像度で生成され、1時間の直接予測から始まり、自動回帰ロールアウトを使用して12時間まで延長される。
論文 参考訳（メタデータ） (2025-12-09T19:23:27Z) - 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) - SynCast: Synergizing Contradictions in Precipitation Nowcasting via Diffusion Sequential Preference Optimization [62.958457694151384]
本研究では,大規模な言語モデルにおける人的フィードバックからの強化学習の成功を動機として,降水量の最適化を初めて導入する。
第一段階では、フレームワークはFARを減らすことに焦点を当て、誤報を効果的に抑えるためにモデルを訓練する。
論文 参考訳（メタデータ） (2025-10-22T16:11:22Z) - 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) - PostCast: Generalizable Postprocessing for Precipitation Nowcasting via Unsupervised Blurriness Modeling [85.56969895866243]
本稿では,ぼやけた予測とそれに対応する土台真実のペアによるトレーニングを必要とせずに,ぼやけを解消するための教師なしポストプロセッシング手法を提案する。
非条件相関を任意のぼかしモードに適応させるため、ゼロショットのぼかしカーネル推定機構とオートスケールの denoise ガイダンス戦略を導入する。
論文 参考訳（メタデータ） (2024-10-08T08:38:23Z) - ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。
また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。
提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文 参考訳（メタデータ） (2024-02-02T10:34:13Z) - 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)
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。