周波数領域解析とアテンションメカニズムによるマルチスケール短期降水予測の改善

科学分野:

• 気象学・大気科学;人工知能・機械学習;データサイエンス・分析

背景:

• 既存のデータ駆動型モデルは、短期降水イベントのマルチスケール特性と正確な強度予測の欠如に苦労しています。;予測精度の向上は、多くの場合、かなりの計算リソースを必要とし、実用的な課題となっています。

研究 の 目的:

• 既存のデータ駆動型アプローチの限界に対処する新しい短期降水予測モデルを開発すること。;周波数領域におけるマルチスケール降水分布特性を定量化すること。;0〜24時間の範囲で時間雨量分布の迅速かつ正確な予測を可能にすること。

主な方法:

• TransUNetハイブリッドアーキテクチャへのクロスチャネルマルチスケールアテンションメカニズム（EMA）の統合。;ウェーブレット変換を使用した周波数領域におけるマルチスケール降水分布特性の定量化。;パラメータを削減した新しい短期降水予測モデルの開発。

主要な成果:

• WE_TransUNetは、4つの一般的な深層学習モデルを上回る最適な予測性能を達成しました。;平均脅威スコア（TS）は12％向上して0.447になり、平均二乗誤差（RMSE）は0.281でした。;EMAモジュールは、従来のCBAMモジュールと比較して、スケール全体にわたる非線形時系列関係を捉える上で優れた能力を示しました。

結論:

• 提案されたモデルは、深層学習モデルの曖昧さを軽減し、より少ないパラメータで履歴降水データからマルチスケール情報を効果的に抽出します。;ウェーブレット変換は、予測における高周波で局所的な激しい対流現象の保存に役立ちます。;このアプローチは、短期降水予測のための新しい最適化戦略を提供し、精度と効率を向上させます。