轴向注意力和MetNet：用于降水预报的神经天气模型

NetNet：谷歌研究的新型神经网络天气预报模型

这段文字介绍了谷歌研究团队开发的一种名为NetNet的新型神经网络天气预报模型，用于预测降水量。

NetNet 的优势：

• **直接预测：**与传统的物理模型不同，NetNet 不需要进行复杂的物理模拟，而是直接使用神经网络对降水量进行预测。
• **快速预测：**NetNet 可以在一次前向传递中直接输出预测结果，无需多次运行模型。
• **概率性预测：**NetNet 以一种概率性的方式输出预测结果，类似于云状预测。
• **高精度：**NetNet 在预测降水量的准确性方面优于传统的物理模型，尤其是在 8 小时内的预测中。

NetNet 的工作原理：

• **输入数据：**NetNet 使用过去 90 分钟内的降水量数据和过去 16 个时段的雷达图像作为输入。
• **神经网络结构：**NetNet 使用特定的神经网络结构来处理输入数据并输出降水量预测。
• **预测目标：**NetNet 的目标是预测未来某个时间点的降水量，例如 1 小时后或 8 小时后。

研究成果：

• NetNet 模型的论文名为 NetNet, a neural weather model for precipitation forecasting，由 Google Research 的 Casper, Casunderby 和 Nalcalc-Brenner 等人撰写。
• 研究表明，NetNet 在降水量预测方面表现出色，尤其是与传统的物理模型相比，其预测精度更高，预测速度更快。

总结：

NetNet 是一种新颖的神经网络天气预报模型，具有直接预测、快速预测、概率性预测和高精度等优点，有望成为未来天气预报的重要工具。

MetNet 是一种用于天气预报的预测神经网络模型。它使用轴向注意力来捕捉长距离依赖关系。轴向注意力将图像上的注意力层分解为行注意力和列注意力，以节省内存和计算量。https://ai.googleblog.com/2020/03/a-neural-weather-model-for-eight-hour.htmlhttps://arxiv.org/abs/1912.12180摘要：天气预报是一个长期存在的科学挑战，对社会和经济有直接影响。由于大量持续收集的数据以及呈现长距离依赖关系的丰富的空间和时间结构，这项任务适合深度神经网络。我们介绍了 MetNet，这是一种神经网络，它可以预测未来 8 小时内的降水量，空间分辨率为 1 平方公里，时间分辨率为 2 分钟，延迟时间为秒级。MetNet 以雷达和卫星数据以及预报提前时间作为输入，并生成概率降水图。该架构使用轴向自注意力从对应于一百万平方公里的巨大输入块中聚合全局上下文。我们评估了 MetNet 在不同降水阈值下的性能，发现 MetNet 在美国大陆范围内长达 7 到 8 小时的预报中优于数值天气预报。