Improving Medium Range Severe Weather Prediction through Transformer Post-processing of AI Weather Forecasts

要約

中距離（1〜8日）の厳しい気象予測のスキルを向上させることは、社会的影響を緩和するために重要です。
この研究では、デコーダーのみのトランスネットワークを活用する新しいアプローチを、特にPangue-Weatherモデルからの後処理AIベースの気象予測に、厳しい気象ガイダンスを改善するための新しいアプローチを紹介します。
密なニューラルネットワークを使用して離散予測サンプルを使用して厳しい気象の確率を予測する従来の後処理方法とは異なり、私たちの方法は、リードタイムを「トークン」と予測し、変圧器が進化する大気状態内の複雑な時間的関係を学習できるようにします。
このアプローチを、従来の高密度ニューラルネットワークと当社の変圧器の両方を使用して、グローバル予測システム（GFS）の後処理と比較し、Pangue-Weather AIモデルの使用の影響を公正に評価するための対流パラメーターを除外する構成と比較します。
結果は、変圧器ベースのポストプロセッシングが高密度のニューラルネットワークと比較して予測スキルを大幅に向上させることを示しています。
さらに、AI駆動型の予測、特に高解像度分析から初期化されたPangue-Weatherは、明示的な対流パラメーターがなくても、中距離でGFSに対して優れたパフォーマンスを示します。
私たちのアプローチは、精度と信頼性の向上を提供します。これは、特徴の帰属分析を通じて解釈可能性を提供し、中距離の厳しい気象予測機能を促進します。

要約(オリジナル)

Improving the skill of medium-range (1-8 day) severe weather prediction is crucial for mitigating societal impacts. This study introduces a novel approach leveraging decoder-only transformer networks to post-process AI-based weather forecasts, specifically from the Pangu-Weather model, for improved severe weather guidance. Unlike traditional post-processing methods that use a dense neural network to predict the probability of severe weather using discrete forecast samples, our method treats forecast lead times as sequential “tokens”, enabling the transformer to learn complex temporal relationships within the evolving atmospheric state. We compare this approach against post-processing of the Global Forecast System (GFS) using both a traditional dense neural network and our transformer, as well as configurations that exclude convective parameters to fairly evaluate the impact of using the Pangu-Weather AI model. Results demonstrate that the transformer-based post-processing significantly enhances forecast skill compared to dense neural networks. Furthermore, AI-driven forecasts, particularly Pangu-Weather initialized from high resolution analysis, exhibit superior performance to GFS in the medium-range, even without explicit convective parameters. Our approach offers improved accuracy, and reliability, which also provides interpretability through feature attribution analysis, advancing medium-range severe weather prediction capabilities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google