מושגי ליבה
気候変動により熱帯低気圧がますます激しくなる中、AIベースのモデリングが従来の数学モデルに比べて手頃でアクセスしやすいアプローチを提供することを強調。
תקציר
この研究は、衛星画像、リモートセンシング、大気データを統合して熱帯低気圧の軌道と降水パターンを予測するために生成的拡散モデルを活用しています。実験では、カスケードモデルからの最終予測が36時間まで正確な予測を示し、SSIMとPSNR値が0.5以上および20 dB以上であることが示されました。これらの予測はNvidia A30/RTX 2080 Ti上でわずか30分で生成可能です。また、この研究はAI方法(拡散モデルなど)の効率性を強調し、高性能な天候予報ニーズに適している一方で計算コストが手頃であり、財政的制約下にある非常に脆弱な地域向けに理想的であることも示しています。
סטטיסטיקה
51サイクロンから成るトレーニングデータセット(2019年1月〜2023年3月)
SSIM値:0.5以上
PSNR値:20 dB以上
36時間の予測を30分以内に生成可能(Nvidia A30/RTX 2080 Ti)
ציטוטים
"Advanced machine learning (ML) techniques have emerged as a promising solution for predicting and understanding extreme rainfall behavior under climate change."
"Diffusion models have garnered substantial attention across various domains, including weather forecasting, climate modeling, and image processing."
"This work presents a novel cascaded diffusion model architecture for forecasting tropical cyclones supported by using a custom-built data processing pipeline and trained on IR 10.8µm in addition to ERA5 atmospheric reanalysis data."