Rainformer：レーダー基盤降水短期予測のための特徴抽出バランスネットワーク

降水予測は自然災害研究における基本的な課題の一つである。特に激しい降雨、特に豪雨は、人的・物的被害を甚大な規模で引き起こす。従来の手法は、主に畳み込み演算を用いて降雨の特徴を抽出し、ネットワークの深さを増すことで受容 field を拡大し、仮想的なグローバル特徴を獲得しようとしている。このアプローチは単純ではあるが、局所的な降雨特徴しか抽出できず、激しい降雨に対して感度が低いという問題がある。本稿では、新たな降水予測フレームワーク「Rainformer」を提案する。このモデルは、実用性の高い2つの構成要素を導入している：グローバル特徴抽出ユニットとゲート融合ユニット（GFU）。前者はウィンドウベースのマルチヘッド自己注意機構（W-MSA）を用いて、堅牢なグローバル特徴学習能力を実現する。後者は、局所特徴とグローバル特徴のバランスの取れた融合を可能にする。Rainformerはシンプルでありながら効率的なアーキテクチャを備えており、特に激しい降雨に対する予測精度を顕著に向上させた。これは実世界への応用に向けた有望な解決策を提供する。実験結果によると、Rainformerはベンチマークデータベース上で7つの最先端手法を上回り、激しい降雨予測タスクに対する新たな知見を提供している。