Convolutional LSTM Network: 深層学習による降水短時間予報へのアプローチ

降水予報の目的は、比較的短い期間内に特定地域での将来の降雨強度を予測することである。これまでの研究では、この重要なかつ困難な気象予報問題について機械学習の観点から検討したものはほとんど存在しない。本論文では、降水予報を空間時間系列予測問題として定式化し、入力と予測目標の両方が空間時間系列であるとする。全結合LSTM（FC-LSTM）を入力から状態への遷移および状態間遷移において畳み込み構造を持つように拡張することで、畳み込みLSTM（ConvLSTM）を提案し、これを用いて降水予報問題に対するエンドツーエンドで学習可能なモデルを構築する。実験結果は、提案したConvLSTMネットワークが空間時間相関をよりよく捉え、FC-LSTMや最新の運用アルゴリズムROVERよりも一貫して優れた性能を示していることを示している。