RainPro-8: An Efficient Deep Learning Model to Estimate Rainfall Probabilities Over 8 Hours

要約

ヨーロッパの8時間の地平線にわたる高解像度の確率的降水量予測の深い学習モデルを提示し、短い予測リードタイムを備えたレーダーのみの深い学習モデルの制限を克服します。
私たちのモデルは、長距離相互作用をキャプチャしながら、レーダー、衛星、物理ベースの数値予測（NWP）を含む複数のデータソースを効率的に統合し、一貫した確率的マップを介した堅牢な不確実性の定量化を伴う正確な予測をもたらします。
コンパクトなアーキテクチャを備えているため、既存のモデルよりも効率的なトレーニングとより速い推論が可能になります。
広範な実験は、私たちのモデルが現在の運用NWPシステム、外挿ベースの方法、および深部学習モデルを上回り、ヨーロッパでの高解像度降水予測の新しい基準を設定し、精度、解釈可能性、計算効率のバランスを確保することを示しています。

要約(オリジナル)

We present a deep learning model for high-resolution probabilistic precipitation forecasting over an 8-hour horizon in Europe, overcoming the limitations of radar-only deep learning models with short forecast lead times. Our model efficiently integrates multiple data sources – including radar, satellite, and physics-based numerical weather prediction (NWP) – while capturing long-range interactions, resulting in accurate forecasts with robust uncertainty quantification through consistent probabilistic maps. Featuring a compact architecture, it enables more efficient training and faster inference than existing models. Extensive experiments demonstrate that our model surpasses current operational NWP systems, extrapolation-based methods, and deep-learning nowcasting models, setting a new standard for high-resolution precipitation forecasting in Europe, ensuring a balance between accuracy, interpretability, and computational efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google