論文の概要: WF-UNet: Weather Fusion UNet for Precipitation Nowcasting
- arxiv url: http://arxiv.org/abs/2302.04102v2
- Date: Thu, 9 Feb 2023 12:00:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-10 12:02:32.641879
- Title: WF-UNet: Weather Fusion UNet for Precipitation Nowcasting
- Title(参考訳): WF-UNet: 降雨予報のための気象融合UNet
- Authors: Christos Kaparakis, Siamak Mehrkanoon
- Abstract要約: ヨーロッパ西部の降水量計におけるUNetコアモデルの利用とその拡張について, 最大3時間前に検討した。
我々は2016年1月から2021年12月までの6年間の降水と風のレーダー画像を収集しました。
WF-UNetは、それぞれ22%、8%、6%の低いMSEを1,2,3時間で比較した。
- 参考スコア(独自算出の注目度): 4.213427823201119
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Designing early warning systems for harsh weather and its effects, such as
urban flooding or landslides, requires accurate short-term forecasts (nowcasts)
of precipitation. Nowcasting is a significant task with several environmental
applications, such as agricultural management or increasing flight safety. In
this study, we investigate the use of a UNet core-model and its extension for
precipitation nowcasting in western Europe for up to 3 hours ahead. In
particular, we propose the Weather Fusion UNet (WF-UNet) model, which utilizes
the Core 3D-UNet model and integrates precipitation and wind speed variables as
input in the learning process and analyze its influences on the precipitation
target task. We have collected six years of precipitation and wind radar images
from Jan 2016 to Dec 2021 of 14 European countries, with 1-hour temporal
resolution and 31 square km spatial resolution based on the ERA5 dataset,
provided by Copernicus, the European Union's Earth observation programme. We
compare the proposed WF-UNet model to persistence model as well as other UNet
based architectures that are trained only using precipitation radar input data.
The obtained results show that WF-UNet outperforms the other examined
best-performing architectures by 22%, 8% and 6% lower MSE at a horizon of 1, 2
and 3 hours respectively.
- Abstract(参考訳): 厳しい天候や都市洪水や地すべりなどの影響に対する早期警戒システムの設計には、降水の正確な短期予測(現在の予測)が必要である。
nowcastingは、農業管理や飛行安全の向上など、いくつかの環境応用において重要なタスクである。
本研究では,UNetコアモデルの利用状況と西ヨーロッパでの降水量の増加について,最大3時間前に検討した。
特に,コア3D-UNetモデルを用いて,降水および風速変数を学習プロセスの入力として統合し,降水目標タスクに与える影響を解析する天気融合UNet(WF-UNet)モデルを提案する。
欧州14カ国の2016年1月から2021年12月までの6年間の降水と風のレーダー画像を収集し,ERA5データセットに基づいた時間分解能と31平方kmの空間分解能を欧州連合の地球観測プログラムであるCopernicusによって提供した。
提案したWF-UNetモデルと,降雨レーダ入力データのみを用いてトレーニングされた他のUNetアーキテクチャとの比較を行った。
その結果,WF-UNetは22%,8%,6%低いMSEをそれぞれ1,2,3時間で比較した。
関連論文リスト
- FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather
Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。
低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。
2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
論文 参考訳(メタデータ) (2024-01-28T13:23:25Z) - Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - Long-term drought prediction using deep neural networks based on
geospatial weather data [78.63225885697149]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
多様な時間的ニューラルネットワークモデルを用いたエンドツーエンドアプローチを導入することで、干ばつデータに対処する。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳(メタデータ) (2023-09-12T13:28:06Z) - A Deep Learning Method for Real-time Bias Correction of Wind Field
Forecasts in the Western North Pacific [24.287588853356972]
2020年12月から2021年11月までにECから10日間の風速予測のための実時間転動バイアス補正を行った。
風速と風向バイアスはそれぞれ8-11%,9-14%減少した。
論文 参考訳(メタデータ) (2022-12-29T02:58:12Z) - Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global
Weather Forecast [91.9372563527801]
我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。
初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。
Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
論文 参考訳(メタデータ) (2022-11-03T17:19:43Z) - FourCastNet: A Global Data-driven High-resolution Weather Model using
Adaptive Fourier Neural Operators [45.520430157112884]
FourCastNetは、表面風速、降水量、大気水蒸気などの高解像度で高速な変数を正確に予測する。
風力エネルギー資源の計画、熱帯のサイクロン、熱帯のサイクロン、大気の川などの極端な気象現象の予測に重要な意味を持つ。
FourCastNetは2秒未満で1週間の予測を生成する。
論文 参考訳(メタデータ) (2022-02-22T22:19:35Z) - Nowcasting-Nets: Deep Neural Network Structures for Precipitation
Nowcasting Using IMERG [1.9860735109145415]
リカレントと畳み込み型ディープニューラルネットワーク構造を用いて、降水流の課題に対処する。
GPM (Global Precipitation Measurement, GPM) 統合マルチサテライトE(Multi-SatellitE Retrievals) を用いて、米国東部大陸の降水量データ(IMERG)を用いて、合計5つのモデルを訓練した。
また, 予測時間を最大1.5時間, フィードバックループアプローチを用いて4.5時間まで延長できるモデルについても検討した。
論文 参考訳(メタデータ) (2021-08-16T02:55:32Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳(メタデータ) (2021-07-14T21:10:47Z) - Sub-seasonal forecasting with a large ensemble of deep-learning weather
prediction models [6.882042556551611]
深層学習天気予報(DLWP)モデルを用いたアンサンブル予測システムを提案する。
このモデルは、立方体球格子上の畳み込みニューラルネットワーク(CNN)を用いて、グローバルな予測を生成する。
エンサンブルスプレッドは、主に32のDLWPモデルを作成するためにCNNトレーニングプロセスのランダム化によって生成される。
論文 参考訳(メタデータ) (2021-02-09T20:14:43Z) - A generative adversarial network approach to (ensemble) weather
prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。
提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文 参考訳(メタデータ) (2020-06-13T20:53:17Z)
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。