論文の概要: IRENE: A Convolutional GRU Ensemble Model for Radar Precipitation Nowcasting over Italy

• arxiv url: http://arxiv.org/abs/2609.17175v1
• Date: Tue, 15 Sep 2026 13:38:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.545053
• Title: IRENE: A Convolutional GRU Ensemble Model for Radar Precipitation Nowcasting over Italy
• Title（参考訳）: IRENE: イタリア上空でのレーダー沈降のための進化型GRUアンサンブルモデル
• Abstract要約: そこで本研究では, イタリア領域に分布する確率的短距離降水量について, 5分間の時間分解能とSI1kmの時間分解能で予測できる深層学習モデルを提案する。 IRENEは、マルチスケールの畳み込みGated Recurrent Units(ConvGRUs)上に構築されたエンコーダ-プリキャストアーキテクチャを採用する 重要サンプリング方式は降水関連事象のトレーニングに重点を置いており, ほぼ公正な連続ランク付き確率スコア(afCRPS)が主要な確率的損失関数として採用されている。
• 参考スコア（独自算出の注目度）: 39.8807633060402
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We present IRENE (Italian Radar Ensemble Nowcasting Experiment), a deep learning model for probabilistic short-range precipitation nowcasting over the Italian domain at \SI{1}{km} spatial and 5 min temporal resolution. IRENE adopts an encoder--forecaster architecture built on multi-scale Convolutional Gated Recurrent Units (ConvGRUs), trained on the national radar composite produced by the Italian Civil Protection Department (DPC). An importance-sampling scheme focuses training on precipitation-relevant events, while the almost-fair Continuous Ranked Probability Score (afCRPS) is adopted as the primary probabilistic loss function. Two additional training configurations are proposed: an adversarial (GAN) variant, IRENE-GAN, designed to improve the spatial sharpness of the generated forecasts, and a spectrally constrained variant, IRENE-GAN-RAPSD, in which the adversarial objective is complemented by an explicit penalty on the radially averaged power spectral density. The three configurations are evaluated against the stochastic extrapolation method STEPS and the pre-trained deep learning model DGMR. All IRENE configurations attain a lower Continuous Ranked Probability Score than both benchmarks at every lead time and rank histograms closer to uniformity, indicating better probabilistic skill and ensemble calibration. In terms of ensemble-mean mean absolute error the advantage is confined to the first 90 min, beyond which the strongly damped DGMR fields and, to a lesser extent, STEPS become competitive. Spectral analysis shows that the adversarial training removes the progressive loss of small-scale variance exhibited by IRENE, at the cost of an excess of fine-scale power at long lead times that the spectral penalty only partially controls.
• Abstract（参考訳）: IRENE(Italian Radar Ensemble Nowcasting Experiment, IRENE)は, イタリア語領域に分布する確率的短距離降水量と5分間の時間分解能の深層学習モデルである。 IRENEは、イタリア民事保護省(DPC)が製造する全国的なレーダー複合機で訓練された、マルチスケールの畳み込みGated Recurrent Units (ConvGRUs) 上に構築されたエンコーダ・フォカスターアーキテクチャを採用している。 重要サンプリング方式は降水関連事象のトレーニングに重点を置いており, ほぼ公正な連続ランク付き確率スコア(afCRPS)が主要な確率的損失関数として採用されている。 生成した予測の空間的シャープネスを改善するために設計された逆数(GAN)変種IRENE-GANと、逆数目的を放射平均パワースペクトル密度の明示的なペナルティで補うスペクトル制約付き変種IRENE-GAN-RAPSDである。 3つの構成を,確率的外挿法STEPSと事前学習深層学習モデルDGMRに対して評価した。 すべてのIRENE構成は、リードタイム毎のベンチマークと、均一性に近いランクヒストグラムよりも低い連続ランク確率スコアを獲得し、より優れた確率的スキルとアンサンブルキャリブレーションを示している。 アンサンブル平均平均絶対誤差の観点では、優位性は最初の90分間に限定され、その先に強い減衰DGMR場があり、より少ない範囲ではSTEPSは競争力を持つようになる。 スペクトル解析により, スペクトルペナルティが部分的にしか制御できない長いリード時間において, IRENEによる小規模分散の進行的損失を, 微視的パワー過剰のコストで除去することが示唆された。

関連論文リスト

• ST-LoRA: Single Trajectory LoRA Ensemble for Uncertainty Aware Agricultural Segmentation [4.391214332238358]
  デジタル農業における意思決定支援には、正確な予測とよく校正された不確実性推定が必要である。 本稿では,パラメータ効率のよいアンサンブルフレームワークST-LoRAを提案する。 ST-LoRAは、データセットとアーキテクチャの両方にわたるセグメンテーションの精度とキャリブレーションにおいて、フルランクのアンサンブルと一致または超えている。
  論文  参考訳（メタデータ） (2026-08-02T22:49:28Z)
• LASER: Loss-Aware Singular-value Decomposition and Rank Allocation for Efficient Low-Precision Vision-Language Models [12.483003654711203]
  視覚言語モデル(VLM)は、強力なマルチモーダル推論機能を提供するが、その計算コストと高いパラメータ数によって、リソース制約のあるデバイスへの展開が困難になる。 提案するtextitER(textbfLoss-textbfLASAware textbfSingular-value dtextbfEcomposition and textbfRank allocation)は,低精度なVLM推論のための低ランク圧縮フレームワークである。
  論文  参考訳（メタデータ） (2026-05-30T06:53:23Z)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• IMPA-Net: Meteorology-Aware Multi-Scale Attention and Dynamic Loss for Extreme Convective Radar Nowcasting [2.405586180193259]
  気象レーダー観測による対流降雨の短距離予測は、厳しい気象警報に不可欠である。 本稿では, 入力, アーキテクチャ, 損失関数レベルにおいて, 気象インフォームド設計による制限に対処する決定論的0-2時間放送フレームワークIMPA-Netを提案する。
  論文  参考訳（メタデータ） (2026-04-27T09:30:07Z)
• 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)
• On GRPO Collapse in Search-R1: The Lazy Likelihood-Displacement Death Spiral [59.14787085809595]
  この障害を引き起こす中核的なメカニズムとしてLazy Likelihood Displacement(LLD)を同定する。 LDDは早期に出現し、自己強化性LDDデススパイラル(LDD Death Spiral)を引き起こす。 本稿では,GRPO のための軽量な確率保存正則化 LLDS を提案する。
  論文  参考訳（メタデータ） (2025-12-03T19:41:15Z)
• 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)
• RDIT: Residual-based Diffusion Implicit Models for Probabilistic Time Series Forecasting [4.140149411004857]
  RDITは、点推定と残差に基づく条件拡散と双方向のMambaネットワークを組み合わせたプラグアンドプレイフレームワークである。 RDITは, 強いベースラインに比べてCRPSの低下, 高速推論, カバレッジの向上を実現している。
  論文  参考訳（メタデータ） (2025-09-02T14:06:29Z)
• A Spectral Perspective towards Understanding and Improving Adversarial Robustness [8.912245110734334]
  対人訓練(AT)は効果的な防御手法であることが証明されているが、堅牢性向上のメカニズムは十分に理解されていない。 我々は、ATは、形状バイアスのある表現を保持する低周波領域にもっと焦点を合わせ、堅牢性を得るよう深層モデルに誘導することを示す。 本稿では,攻撃された逆入力によって推定されるスペクトル出力が,その自然な入力に可能な限り近いスペクトルアライメント正則化(SAR)を提案する。
  論文  参考訳（メタデータ） (2023-06-25T14:47:03Z)
• Doubly Robust Off-Policy Actor-Critic: Convergence and Optimality [131.45028999325797]
  ディスカウント型MDPのための2倍堅牢なオフポリチックAC(DR-Off-PAC)を開発した。 DR-Off-PACは、俳優と批評家の両方が一定のステップで同時に更新される単一のタイムスケール構造を採用しています。 有限時間収束速度を研究し, dr-off-pac のサンプル複雑性を特徴とし, $epsilon$-accurate optimal policy を得る。
  論文  参考訳（メタデータ） (2021-02-23T18:56:13Z)
• TRP: Trained Rank Pruning for Efficient Deep Neural Networks [69.06699632822514]
  低位近似とトレーニングを交互に行うTrated Rank Pruning (TRP)を提案する。 サブ段階降下により最適化された核正則化を利用して、TRPの低位化をさらに促進する。 TRPトレーニングネットワークは本質的に低ランク構造であり、無視可能な性能損失と近似される。
  論文  参考訳（メタデータ） (2020-04-30T03:37:36Z)

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。