本論文では、極端な空気温度事象の短期予測を改善するための新しい深層学習アーキテクチャ「MMWSTM-ADRAN+」を提案しています。このモデルは、日々の最高気温とその極端値を予測するために、レジーム認識のダイナミクスモデルと異常に焦点を当てたアテンションメカニズムを組み合わせた二重ストリームの設計を採用しています。1つ目のストリームであるMMWSTMは、双方向の長短期記憶（BiLSTM）ユニットと学習可能なマルコフ状態遷移行列を統合し、天気のレジーム変化を捉えます。2つ目のストリームであるADRANは、双方向ゲート付き再帰ユニット（BiGRU）、マルチヘッド自己アテンション、および異常拡大層を組み込み、低確率信号に対する感度を高めています。また、軽量のアテンティブフュージョンゲートが、最終予測に対する各ストリームの寄与を適応的に決定します。特に、モデルの最適化では、温度分布の上位5％および下位5％の誤差を重視するカスタム損失関数を使用しています。