Detail publikace
Radar-Based Volumetric Precipitation Nowcasting: A 3D Convolutional Neural Network with U-Net Architecture
Rozinajová Věra, Doc., Ph.D. (UIFS)
Bou Ezzeddine Anna, Doc., Ph.D. (UIFS)
předpověď srážek, radarové zobrazování, U-Net.
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.
@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"
}