論文の概要: Precipitaion Nowcasting using Deep Neural Network

• arxiv url: http://arxiv.org/abs/2203.13263v1
• Date: Thu, 24 Mar 2022 17:28:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-29 03:09:22.297257
• Title: Precipitaion Nowcasting using Deep Neural Network
• Title（参考訳）: ディープニューラルネットワークを用いた降雨予報
• Authors: Mohamed Chafik Bakkay and Mathieu Serrurier and Valentin Kivachuk Burda and Florian Dupuy and Naty Citlali Cabrera-Gutierrez and Michael Zamo and Maud-Alix Mader and Olivier Mestre and Guillaume Oller and Jean-Christophe Jouhaud and Laurent Terray
• Abstract要約: 本稿では,高分解能降水マップを得るためのパッチ抽出アルゴリズムを提案する。 我々は,ぼやけた画像の問題を解消し,降水マップにおけるゼロ値画素の影響を低減するために,損失関数を提案した。
• 参考スコア（独自算出の注目度）: 1.7039969990048311
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Precipitation nowcasting is of great importance for weather forecast users, for activities ranging from outdoor activities and sports competitions to airport traffic management. In contrast to long-term precipitation forecasts which are traditionally obtained from numerical models, precipitation nowcasting needs to be very fast. It is therefore more challenging to obtain because of this time constraint. Recently, many machine learning based methods had been proposed. We propose the use three popular deep learning models (U-net, ConvLSTM and SVG-LP) trained on two-dimensional precipitation maps for precipitation nowcasting. We proposed an algorithm for patch extraction to obtain high resolution precipitation maps. We proposed a loss function to solve the blurry image issue and to reduce the influence of zero value pixels in precipitation maps.
• Abstract（参考訳）: 降水は天気予報利用者にとって非常に重要であり、屋外活動やスポーツ競技から空港交通管理まで幅広い活動がある。 伝統的に数値モデルから得られた長期降水予測とは対照的に,降水量は極めて高速である必要がある。 したがって、この時間制約のため、取得がより困難である。 近年,多くの機械学習手法が提案されている。 本稿では,2次元降水マップから学習した3つの人気のある深層学習モデル(U-net, ConvLSTM, SVG-LP)を提案する。 我々は高分解能降水マップを得るためのパッチ抽出アルゴリズムを提案した。 我々は,ぼやけた画像の問題を解消し,降水マップにおけるゼロ値画素の影響を低減するために,損失関数を提案した。

関連論文リスト

• PostCast: Generalizable Postprocessing for Precipitation Nowcasting via Unsupervised Blurriness Modeling [85.56969895866243]
  本稿では,ぼやけた予測とそれに対応する土台真実のペアによるトレーニングを必要とせずに,ぼやけを解消するための教師なしポストプロセッシング手法を提案する。 非条件相関を任意のぼかしモードに適応させるため、ゼロショットのぼかしカーネル推定機構とオートスケールの denoise ガイダンス戦略を導入する。
  論文  参考訳（メタデータ） (2024-10-08T08:38:23Z)
• Robust ADAS: Enhancing Robustness of Machine Learning-based Advanced Driver Assistance Systems for Adverse Weather [5.383130566626935]
  本稿では,デノイングディープニューラルネットワークを前処理ステップとして,悪天候画像から晴天画像へ変換する。 ドライバーの視認性が向上し、悪天候下での安全なナビゲーションに欠かせない。
  論文  参考訳（メタデータ） (2024-07-02T18:03:52Z)
• CasCast: Skillful High-resolution Precipitation Nowcasting via Cascaded Modelling [93.65319031345197]
  本稿では,メソスケール降水分布と小規模パターンの予測を分離するために,決定的かつ確率的な部分からなるカスケードフレームワークCasCastを提案する。 CasCastは地域の極端降水量計のベースライン(+91.8%)をはるかに上回っている。
  論文  参考訳（メタデータ） (2024-02-06T08:30:47Z)
• RainAI -- Precipitation Nowcasting from Satellite Data [5.869633234882028]
  本稿では,Weather4 2023コンペティションに対する解決策を提案する。 目標は、低解像度の衛星放射率画像を用いて8時間のリードタイムで高解像度の降水を予測することである。 本稿では,2次元U-Netモデルを用いた簡易かつ効果的な特徴学習法を提案する。
  論文  参考訳（メタデータ） (2023-11-30T09:49:16Z)
• Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
  本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。 提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
  論文  参考訳（メタデータ） (2023-11-30T08:22:08Z)
• Rapid Flood Inundation Forecast Using Fourier Neural Operator [77.30160833875513]
  洪水浸水予測は洪水前後の緊急計画に重要な情報を提供する。 近年,高分解能な流体力学モデリングが普及しつつあるが,道路の洪水範囲やリアルタイムのビルディングレベルは依然として計算的に要求されている。 洪水範囲と浸水深度予測のためのハイブリッドプロセスベースおよびデータ駆動機械学習(ML)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-29T22:49:50Z)
• Deep Learning for Day Forecasts from Sparse Observations [60.041805328514876]
  深層ニューラルネットワークは、気象条件をモデル化するための代替パラダイムを提供する。 MetNet-3は、密度とスパースの両方のデータセンサーから学習し、降水、風、温度、露点を最大24時間前に予測する。 MetNet-3は、それぞれ時間分解能と空間分解能が高く、最大2分と1km、運用遅延は低い。
  論文  参考訳（メタデータ） (2023-06-06T07:07:54Z)
• An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
  高空間分解能水深予測のための異なる深層学習モデルの比較を行った。 深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。 その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2023-02-20T16:08:54Z)
• Effective Training Strategies for Deep-learning-based Precipitation Nowcasting and Estimation [12.518808113450246]
  我々は、広く使われているディープラーニングモデルであるU-Netを、降水量予測とレーダ画像からの降水量推定の2つの問題に適用する。 これらの課題に対して,地表面積の降水を必要とせず,近い将来にレーダ画像を予測するための事前訓練を提案する。 韓国から7年にわたって収集したレーダー画像と降水データセットを用いて,本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2022-02-17T09:55:52Z)
• RAP-Net: Region Attention Predictive Network for Precipitation Nowcasting [15.587959542301789]
  予測を改善するためにリコール注意機構(RAM)を提案する。 実験の結果,提案する領域注意予測ネットワーク(RAP-Net)は最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-10-03T15:55:18Z)
• TRU-NET: A Deep Learning Approach to High Resolution Prediction of Rainfall [21.399707529966474]
  本稿では,連続的畳み込み再帰層間の新しい2次元クロスアテンション機構を特徴とするエンコーダデコーダモデルであるTRU-NETを提案する。 降雨のゼロ・スクイド・%極端事象パターンを捉えるために,条件付き連続損失関数を用いた。 実験の結果,短期降水予測ではDLモデルよりもRMSEとMAEのスコアが低いことがわかった。
  論文  参考訳（メタデータ） (2020-08-20T17:27:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。