摘要。本研究介绍了GPTCast，这是一种生成深度学习方法，旨在进行基于雷达的降水集成现在预报，受大型语言模型（LLMs）进展的启发。我们使用生成预训练变换器（GPT）模型作为预报者，通过标记的雷达图像学习时空降水动态。该标记器基于变分量化自编码器（VQGAN），具有针对降水偏态分布的新颖重建损失，促进对高降雨率的忠实重建。这种方法产生逼真的集成预报，并提供具有准确不确定性估计的概率输出。核心架构在前向传递过程中以确定性方式运行；集成变异性来自于在推理过程中从预报者预测的分类概率分布中采样，而不需要外部随机输入，例如其他生成模型中常见的噪声注入。因此，所有的预报变异性仅从数据分布中学习。我们使用在意大利北部艾米利亚-罗马涅地区的6年雷达数据集对GPTCast进行训练和测试，显示出与最先进的集成外推方法相比的优越结果。
Franch等人（星期三）研究了这个问题。