Deterministic Guidance Diffusion Model for Probabilistic Weather Forecasting

要約

天気予報には正確さだけでなく、確率的予測を実行する能力も必要です。
ただし、決定論的な天気予報方法は確率的な予測をサポートしておらず、逆に確率的なモデルは精度が低くなる傾向があります。
これらの課題に対処するために、この論文では、\textbf{\textit{D}}決定論的 \textbf{\textit{G}}uidance \textbf{\textit{D}}iffusion \textbf{\textit{M} を導入します。
}odel (DGDM) は確率論的天気予報を目的としており、決定論的アプローチと確率論的アプローチの両方の利点を統合しています。
フォワード プロセス中、決定論的モデルと確率的モデルの両方がエンドツーエンドでトレーニングされます。
逆のプロセスでは、天気予報では、確率モデルの中間開始点として、決定論的モデルからの予測結果が活用されます。
このように決定論的モデルと確率的モデルを融合することにより、DGDM は確率的予測を提供しながら正確な予測を提供することができます。
DGDM を評価するには、地球規模の天気予報データセット (WeatherBench) と共通のビデオ フレーム予測ベンチマーク (Moving MNIST) で評価します。
また、高解像度の地域予測における DGDM の有効性を検証するために、太平洋北西風雨 (PNW) と台風の気象衛星データセットを導入して評価します。
私たちの実験の結果、DGDM は地球規模の予測だけでなく、地域の予測においても最先端の結果を達成しました。
コードは \url{https://github.com/DongGeun-Yoon/DGDM} から入手できます。

要約(オリジナル)

Weather forecasting requires not only accuracy but also the ability to perform probabilistic prediction. However, deterministic weather forecasting methods do not support probabilistic predictions, and conversely, probabilistic models tend to be less accurate. To address these challenges, in this paper, we introduce the \textbf{\textit{D}}eterministic \textbf{\textit{G}}uidance \textbf{\textit{D}}iffusion \textbf{\textit{M}}odel (DGDM) for probabilistic weather forecasting, integrating benefits of both deterministic and probabilistic approaches. During the forward process, both the deterministic and probabilistic models are trained end-to-end. In the reverse process, weather forecasting leverages the predicted result from the deterministic model, using as an intermediate starting point for the probabilistic model. By fusing deterministic models with probabilistic models in this manner, DGDM is capable of providing accurate forecasts while also offering probabilistic predictions. To evaluate DGDM, we assess it on the global weather forecasting dataset (WeatherBench) and the common video frame prediction benchmark (Moving MNIST). We also introduce and evaluate the Pacific Northwest Windstorm (PNW)-Typhoon weather satellite dataset to verify the effectiveness of DGDM in high-resolution regional forecasting. As a result of our experiments, DGDM achieves state-of-the-art results not only in global forecasting but also in regional forecasting. The code is available at: \url{https://github.com/DongGeun-Yoon/DGDM}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google