面向天气状况分类与灾害预测的多层次层次框架

本文提出了一个多层次层次框架，用于天气状况的分类与灾害预测。近年来，数据变得越来越重要，各种类型的数据（如文本、数字、图像、音频和视频）在这一领域发挥着关键作用。在这些数据中，图像构成了可用数据的很大一部分。这一应用在各种场景下都具有潜力，特别是当与决策支持系统结合用于交通管理、植被恢复和天气预报时。当传统天气预测不够准确时（例如确保自驾车在恶劣天气下安全运行时），该方法尤为有用。虽然以往研究在类别数目较少的情况下探讨了此主题，但本文聚焦于 eleven 种特定类型的天气图像。目标是创建一个在大型图像数据集上训练后，能够准确预测天气状况的模型。在现实场景中，准确性至关重要，以防止事故，这是本文的首要任务。本工作为未来的应用奠定了基础，尤其是在缺乏人类专长或可能存在偏见的情境下。该框架能够将图像分类为 eleven 个天气类别：霜冻、结霜、冰冻、结冰、雪、冰雹、雨、闪电、彩虹和沙尘暴，提供 0.9329 的准确率的实时天气信息。该提议框架解决了日益增长的准确天气分类和灾害预测需求，为该领域的各种应用提供了稳健的解决方案。