中範囲の降水予測は、気象災害の管理やリスク軽減において重要であるが、現行の数値天気予報（NWP）システムには課題がある。特に、従来のグローバル集合予報システム（GEFS）は、中程度から豪雨に対して予測精度が低下する。そこで本研究では、気象変数の包括的なセットを共同モデリングすることで、多段階降水予測のための深層学習ベースの集合フレームワーク「CSU-PCAST」を開発した。モデルは、NASAのGPM衛星から得た降水データを用いて、ERA5再解析データで学習され、上空と地表の57の予測因子を統合している。モデルは、パッチベースのSwinトランスフォーマーを使用し、条件付き層正規化により時間とノイズの埋め込みを統合している。推定中には、GFSのリアルタイム初期条件を取り込み、15日間の予測を自動回帰的に生成する。GEFSと比較した結果、中程度から豪雨についてより高いクリティカル成功指数（CSI）を得るなど、性能が向上していることが確認された。