Extreme Precipitation Nowcasting using Transformer-based Generative Models

本文提出了一种创新的极端降水预报方法，采用基于Transformer的生成模型，即带有极值损失（EVL）正则化的NowcastingGPT。利用荷兰皇家气象研究所（KNMI）的全面数据集，我们的研究重点是预测短期降水并具有高精度。我们引入了一种新的方法来计算EVL，而不需要假设固定的极端表示，解决了当前模型在捕捉极端天气事件方面的局限性。我们进行了定性和定量分析，证明了所提出的NowcastingGPT-EVL在生成准确的降水预报方面表现优异，特别是在处理极端降水事件时。代码可在\url{https://github.com/Cmeo97/NowcastingGPT}上获取。

论文旨在通过使用基于Transformer的生成模型NowcastingGPT-EVL解决极端降水的现在预测问题。该论文试图解决如何在短时间内准确预测极端降水的问题。

论文的关键思路是使用NowcastingGPT-EVL模型来预测极端降水。该模型使用一种新颖的方法计算EVL，以解决当前模型在捕捉极端天气事件方面的局限性。

论文使用了皇家荷兰气象研究所（KNMI）的全面数据集，并进行了定量和定性分析，证明了NowcastingGPT-EVL在生成准确的降水预报方面的优越性，尤其是在处理极端降水事件方面。此外，论文还提供了开源代码。

最近在这个领域中，还有其他相关的研究，如《Precipitation Nowcasting with Transformer-based Autoencoders》和《A Deep Learning Framework for Extreme Rainfall Nowcasting》。