用于 Weather4Cast 2024 挑战的条件生成对抗网络模型
计算机视觉与模式识别
2024-12-03 v1
摘要
本研究探索了利用深度学习进行降雨预测的应用，采用 Spinning Enhanced Visible and Infrared Imager (SEVIRI) 高速信息传输 (HRIT) 数据作为输入，Operational Program on the Exchange of weather RAdar information (OPERA) 地面雷达反射率数据作为基准真实值。我们使用 4 条红外频率通道的均值作为输入。通过密集光流算法，对辐射图像进行预测至未来 4 小时。采用条件生成对抗网络 (GAN) 模型将预测的辐射图像转换为降雨图像，并对 4 小时预测期间的降雨图像进行聚合，以生成累计降雨值。该模型在 Weather4Cast 2024 竞赛中获得约 7.5 的连续排序概率得分 (CRPS)，并在核心挑战排行榜中位列第一。
引用
@article{arxiv.2412.00451,
title = {A conditional Generative Adversarial network model for the Weather4Cast 2024 Challenge},
author = {Atharva Deshpande and Kaushik Gopalan and Jeet Shah and Hrishikesh Simu},
journal= {arXiv preprint arXiv:2412.00451},
year = {2024}
}