DPSformer: Modell verbessert Vorhersage starker Regenfälle dank Long-Tail-Ansatz

Die präzise und rechtzeitige Vorhersage heftiger Regenfälle bleibt eine zentrale Herausforderung für die moderne Gesellschaft. Der Niederschlag verteilt sich stark unausgeglichen: die meisten Messungen zeigen keine oder nur leichte Regenfälle, während extreme Ereignisse selten auftreten. Diese Ungleichheit erschwert es tiefenlernenden Modellen, schwere Regenfälle zuverlässig vorherzusagen.

Um dieses Problem anzugehen, wird die Regenvorhersage explizit als Long‑Tail-Lernaufgabe betrachtet. Dabei liegt die Hauptbarriere in der unzureichenden Repräsentation seltener, starker Regenfälle. Das neue Modell DPSformer nutzt einen hochauflösenden Zweig, um diese seltenen Ereignisse besser abzubilden.

Bei Regenfällen von mindestens 50 mm pro 6 Stunden steigert DPSformer den Critical Success Index (CSI) eines Basis‑Numerical‑Weather‑Prediction‑Modells von 0,012 auf 0,067. Für die obersten 1 % der schweren Regenfälle übertrifft das Modell mit einem Fraction Skill Score (FSS) von über 0,45 bereits bestehende Ansätze.

Diese Arbeit etabliert ein effektives Long‑Tail-Paradigma für die Vorhersage heftiger Regenfälle und liefert ein praktisches Werkzeug, das Frühwarnsysteme verbessern und die gesellschaftlichen Auswirkungen extremer Wetterereignisse mildern kann.