Detail publikace

Radar-Based Volumetric Precipitation Nowcasting: A 3D Convolutional Neural Network with U-Net Architecture

PAVLÍK, P.; ROZINAJOVÁ, V.; BOU EZZEDDINE, A. Radar-Based Volumetric Precipitation Nowcasting: A 3D Convolutional Neural Network with U-Net Architecture. In Proceedings of the Second Workshop on Complex Data Challenges in Earth Observation (CDCEO 2022). CEUR Workshop Proceedings. Vienna: CEUR-WS.org, 2022. p. 65-72. ISSN: 1613-0073.
Název česky
Volumetrické srážky založené na radaru Nowcasting: 3D konvoluční neuronová síť s architekturou UNet
Typ
článek ve sborníku konference
Jazyk
anglicky
Autoři
URL
Klíčová slova

předpověď srážek, radarové zobrazování, U-Net.

Abstrakt

V posledních letech stejně jako v mnoha jiných oblastech si modely hlubokého učení našly své místo v doméně srážek nowcasting. Mnoho z těchto modelů je založeno na architektuře U-Net, která byla původně vyvinuta pro biomedicínskou segmentaci, ale je také užitečná pro generování krátkodobých předpovědí, a proto je použitelná v doméně počasí. Stávající modely založené na U-Net využívají jako vstup a výstup sekvenční radarová data mapovaná do 2-rozměrné karteziánské sítě. Navrhujeme začlenit třetí vertikální dimenzi, abychom lépe předpovídali srážkové jevy, jako jsou konvektivní srážky, a prezentovat zde naše výsledky. Porovnáváme výkonnost při současném vysílání dvou srovnatelných modelů U-Net trénovaných na dvourozměrných a trojrozměrných radarových pozorovacích datech. Ukazujeme, že použití objemových dat vede k malému, ale významnému snížení chyby predikce.

Rok
2022
Strany
65–72
Časopis
CEUR Workshop Proceedings, roč. 3207, č. 2022, ISSN 1613-0073
Sborník
Proceedings of the Second Workshop on Complex Data Challenges in Earth Observation (CDCEO 2022)
Vydavatel
CEUR-WS.org
Místo
Vienna
EID Scopus
BibTeX
@inproceedings{BUT179604,
  author="Peter {Pavlík} and Věra {Rozinajová} and Anna {Bou Ezzeddine}",
  title="Radar-Based Volumetric Precipitation Nowcasting: A 3D Convolutional Neural Network with U-Net Architecture",
  booktitle="Proceedings of the Second Workshop on Complex Data Challenges in Earth Observation (CDCEO 2022)",
  year="2022",
  journal="CEUR Workshop Proceedings",
  volume="3207",
  number="2022",
  pages="65--72",
  publisher="CEUR-WS.org",
  address="Vienna",
  issn="1613-0073",
  url="http://ceur-ws.org/Vol-3207/paper10.pdf"
}
Nahoru