AI降水短临内卷，Google和DeepMind之后，微软也来了

继Google和DeepMind之后，微软也来了（要开始内卷了吗）。近期微软在论文预出版平台arXiv上传了题为MS-nowcasting: Operational Precipitation Nowcasting with Convolutional LSTMs at Microsoft Weather 的文章。

https://arxiv.org/pdf/2111.09954.pdf

看到标题后顿时来了兴趣，下载下来快速浏览了一下论文，文章提出了一个 encoder-forecaster 结构的卷积长短期记忆网络进行降水短临预报。利用一系列天气雷达观测预测未来6小时的雷达反射率。通过沿着特征维度堆叠大的输入感受野，以及利用HRRR快速循环更新模式预测作为模型forecaster模块的约束条件，在多种评估指标上战胜了光流法和HRRR，改善了20-25%。

模型结构

文中提到的模型是基于ConvLSTM的 encoder-forecaster 的结构。

在模型训练过程中采用的MAE+MSE的加权损失函数，随机加权平均的Adam优化器，学习率为2x10-4。模型以及其他超参数细节可以阅读论文。

数据

训练集为从MRMS(Multi-Radar/Multi-Sensor System)采样的至少440min的83000个序列样本。前80分钟作为输入，后360分钟作为输出，但是输入和输出的时间分辨率是不一致的，输入分辨率为4 min（20帧），输出分辨率为8 min（45帧）。

试验

论文设计了多组实验，将论文中提出的MS-Nowcasting模型与 persistence , rainymotion以及HRRR等进行了对比，并且额外设计了几组消融试验。

消融实验设置

模型评估

结果评估采用的MAE，F1，MS-SSIM和PNSR指标，而不是气象领域常用的CSI，HSS，POD，FAR等评估指标，并且仅对弱回波(降水)阈值进行的评估。部分评估结果如下：

各个模型预测对比

以上是论文的部分模型评估结果，关于模型以及试验等更详细的内容可以点击 阅读原文 下载论文进一步阅读。