Simple Baseline for Weather Forecasting Using Spatiotemporal Context Aggregation Network

要約

従来の天気予報は、領域の専門知識と計算量の多い数値シミュレーションシステムに依存しています。近年、データドリブンなアプローチの開発により、ディープラーニングに基づく天気予報が注目されています。ディープラーニングに基づく天気予報は、CNN、RNN、Transformerを用いた様々な基幹研究から、気象観測データセットを補助入力とした学習戦略まで、目覚ましい進歩を遂げています。これらの進歩はすべて天気予報の分野に貢献しているが、深層学習モデルの多くの要素や複雑な構造が、物理的な解釈に到達することを妨げている。本論文では、W4C22の5つのベンチマークのうち4つのパートで最先端を達成した時空間コンテキスト集約ネットワーク（SIANet）を持つSImpleベースラインを提案する。このシンプルかつ効率的な構造は、マルチモデルアンサンブルや微調整を用いずに、衛星画像とCNNのみをエンドツーエンドで使用するものである。このSIANetのシンプルさは、ディープラーニングを用いた天気予報に容易に適用できる強固なベースラインとして利用できる。

要約(オリジナル)

Traditional weather forecasting relies on domain expertise and computationally intensive numerical simulation systems. Recently, with the development of a data-driven approach, weather forecasting based on deep learning has been receiving attention. Deep learning-based weather forecasting has made stunning progress, from various backbone studies using CNN, RNN, and Transformer to training strategies using weather observations datasets with auxiliary inputs. All of this progress has contributed to the field of weather forecasting; however, many elements and complex structures of deep learning models prevent us from reaching physical interpretations. This paper proposes a SImple baseline with a spatiotemporal context Aggregation Network (SIANet) that achieved state-of-the-art in 4 parts of 5 benchmarks of W4C22. This simple but efficient structure uses only satellite images and CNNs in an end-to-end fashion without using a multi-model ensemble or fine-tuning. This simplicity of SIANet can be used as a solid baseline that can be easily applied in weather forecasting using deep learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL