Краткое содержание

arXiv:2511.11090v1 Тип объявления: новый Аннотация: Метеорологические службы всего мира полагаются на оперативное прогнозирование наводнений для выпуска спасающих жизнь предупреждений и рекомендаций. В течение десятилетий традиционные модели численного прогноза погоды (NWP) считались передовыми методами прогнозирования осадков. Однако физически-параметризованные модели имеют несколько ключевых ограничений: во-первых, решение дифференциальных уравнений в частных производных для моделирования атмосферных процессов требует значительных вычислительных ресурсов, а во-вторых, такие методы ухудшают свою точность при краткосрочном прогнозировании (временной горизонт от 0 до 4 часов). Учитывая эти недостатки, недавние исследования предлагают альтернативу — прогнозы погоды на основе искусственного интеллекта (AI-WP), использующие нейронные сети для эмуляции аналитических данных. Хотя подобные подходы, основанные на данных, добились значительного успеха при различных пространственных и временных разрешениях, применение архитектур обработки видеоданных для метеорологического прогнозирования остается недостаточно изученным направлением. Для устранения указанных пробелов мы предлагаем архитектуру SaTformer: трансформер для анализа видеопоследовательностей, построенный на полномасштабных...