降水予報のための深層学習：ベンチマークと新しいモデル

地域降雨の高解像度予報を実現するため、降水短時間予報は豪雨警報から飛行安全に至るまで、さまざまな公共サービスの重要な基盤技術となっています。最近、Convolutional LSTM (ConvLSTM) モデルが伝統的な光学フローに基づく方法よりも降水短時間予報で優れた性能を示しており、深層学習モデルがこの問題解決に大きな可能性を持っていることを示唆しています。しかし、ConvLSTMベースのモデルにおける畳み込み再帰構造は位置不変である一方で、自然な運動や変換（例えば回転）は一般的に位置変であるという課題があります。さらに、深層学習を用いた降水短時間予報は新興分野であり、明確な評価プロトコルがまだ確立されていません。これらの問題に対処するために、新しいモデルとベンチマークを提案します。具体的には、ConvLSTM を超えて位置変構造を再帰接続で積極的に学習できる Trajectory GRU (TrajGRU) モデルを提案します。また、香港天文台から得られた実世界的大規模データセット、新しい訓練損失関数、および包括的な評価プロトコルを含むベンチマークを提供し、今後の研究促進と最先端技術の測定を支援します。