تواجه عمليات التنبؤ بالأمطار (Precipitation Nowcasting) تحديات كبيرة بسبب الطبيعة المتغيرة والسريعة الديناميكية للغلاف الجوي، حيث تعتبر التقلبات المحلية من الصعوبات الرئيسية. في السنوات الأخيرة، لجأ الباحثون إلى استخدام نماذج تعتمد على استراتيجيات الانتباه (Attention-based Architectures) لكنهم غالبًا ما يركزون على تعزيز القدرات التنبؤية، متجاهلين استقرار الاستجابات عبر العينات المختلفة.

في دراسة جديدة، توصل الباحثون إلى أن عدم استقرار طاقة استجابة الانتباه عبر العينات يمثل مصدرًا هامًا وغير مستكشف سابقًا لعدم موثوقية التنبؤ. وقد أظهرت التحليلات أن التنبؤات غير الدقيقة ترتبط بارتفاع تباين طاقة استجابة الانتباه عبر الرؤوس والطبقات.

من خلال هذه البصيرة، تم اقتراح نظام HARECast، وهو إطار عمل ينظم طاقة استجابة الانتباه الرأسي، مما يسهل التنبؤ بدقة أكبر. يهدف HARECast إلى نمذجة طاقة استجابة الانتباه بشكل فعال، وتثبيتها عبر هدف تنظيم جماعي يجسد تقلبات العينة.

تم تطبيق HARECast على سلسلة من نماذج التنبؤ، وجرى تقييمه على معايير شائعة مثل SEVIR وMeteoNet. النتائج التجريبية أظهرت أن HARECast يحقق أداءً متفوقًا مقارنة بالأنظمة الأخرى، مما يعزز مكانته كحل رائد في مجال التنبؤ بالطقس.

هذا الابتكار يمكن أن يغير كيفية تجهيز ونشر معلومات الطقس، مما يوفر بيانات دقيقة وحيوية للزراعة والتخطيط الحضري والنقل. مع استمرار البحوث، نترقب مزيدًا من التطورات التي قد تعزز من فعالية هذه النماذج في المستقبل.