PreDiff: التنبؤ بالهطول المطري باستخدام نماذج التمايز الكامن

تعتمد التنبؤات بنظام الأرض تقليديًا على نماذج فيزيائية معقدة تكون مكلفة من حيث الحوسبة وتحتاج إلى خبرة متخصصة كبيرة. في العقد الماضي، أدى الزيادة غير المسبوقة في بيانات المراقبة الفضائية المكانية-الزمنية لنظام الأرض إلى تمكين نماذج تنبؤية قائمة على البيانات باستخدام تقنيات التعلم العميق. وقد أظهرت هذه النماذج إمكانات واعدة في مهام متنوعة للتنبؤ بنظام الأرض، لكنها إما تعاني من صعوبة في التعامل مع عدم اليقين أو تتجاهل المعرفة السابقة المحددة حسب المجال، مما يؤدي إلى تجميع النتائج المحتملة في تنبؤات ضبابية أو إلى إنتاج تنبؤات غير مرجحة من الناحية الفيزيائية. وللتغلب على هذه القيود، نقترح نموذجًا ثنائي المرحلة للتنبؤ الاحتمالي المكاني-الزمني: (1) نطور PreDiff، وهو نموذج تمايز خفي مشروط قادر على إجراء تنبؤات احتمالية؛ (2) نُدخل آلية تطابق معرفية صريحة لضبط التنبؤات بما يتوافق مع القيود الفيزيائية الخاصة بالمجال. ويتم ذلك من خلال تقدير الانحراف عن القيود المفروضة في كل خطوة من خطوات التخفيف من الضوضاء، ثم تعديل توزيع الانتقال وفقًا لذلك. أجرينا دراسات تجريبية على مجموعتي بيانات: N-body MNIST، وهي مجموعة بيانات اصطناعية تُظهر سلوكًا فوضويًا، وSEVIR، وهي مجموعة بيانات حقيقية لتنبؤات الأمطار القصيرة الأجل. وتحديدًا، فُرض قانون حفظ الطاقة في N-body MNIST، وفرضت شدة الأمطار المتوقعة في SEVIR. أظهرت التجارب فعالية PreDiff في التعامل مع عدم اليقين، ودمج المعرفة السابقة الخاصة بالمجال، وإنتاج تنبؤات تتميز بدرجة عالية من الفائدة التشغيلية.