Extreme Precipitation Nowcasting using Transformer-based Generative Models

要約

この論文では、Transformer ベースの生成モデル、つまり Extreme Value Loss (EVL) 正則化を備えた NowcastingGPT を使用することによる、極端な降水量のナウキャスティングへの革新的なアプローチを紹介します。
オランダ王立気象研究所 (KNMI) の包括的なデータセットを活用して、私たちの研究は短期降水量を高精度で予測することに焦点を当てています。
我々は、固定された極端な表現を仮定せずにEVLを計算するための新しい方法を導入し、極端な気象現象を捉える際の現在のモデルの限界に対処します。
定性的分析と定量的分析の両方を示し、特に極端な降水現象に対処する場合に、正確な降水量予測を生成する際に提案された NowcastingGPT-EVL の優れたパフォーマンスを実証します。
コードは \url{https://github.com/Cmeo97/NowcastingGPT} で入手できます。

要約(オリジナル)

This paper presents an innovative approach to extreme precipitation nowcasting by employing Transformer-based generative models, namely NowcastingGPT with Extreme Value Loss (EVL) regularization. Leveraging a comprehensive dataset from the Royal Netherlands Meteorological Institute (KNMI), our study focuses on predicting short-term precipitation with high accuracy. We introduce a novel method for computing EVL without assuming fixed extreme representations, addressing the limitations of current models in capturing extreme weather events. We present both qualitative and quantitative analyses, demonstrating the superior performance of the proposed NowcastingGPT-EVL in generating accurate precipitation forecasts, especially when dealing with extreme precipitation events. The code is available at \url{https://github.com/Cmeo97/NowcastingGPT}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google