基于连续注意力与降雨图判别的准确清晰降水临近预报
计算机视觉与模式识别
2022-10-17 v1
摘要
降水临近预报是天气预报中的一项重要任务。许多近期工作旨在借助深度学习技术更准确地预测高降雨事件，但此类事件相对稀少。这种稀有性通常通过重新加权稀有事件的公式来处理。不知何故，这种公式带来了一个副作用，即在低降雨区域产生“模糊”的预测，并且无法让气象学家相信其实际可用性。我们通过引入一个判别器来解决这一信任问题，该判别器鼓励预测模型生成真实的降雨图而不牺牲预测精度。此外，我们将临近预报的时间范围从一小时扩展到三小时，以进一步满足气象学家的需求。该扩展基于跨不同小时的连续注意力。我们提出了一种用于降水临近预报的新深度学习模型，该模型同时包含了判别与注意力技术。该模型在一个新建的基准数据集上进行了检验，该数据集包含雷达数据和实际降雨数据。该基准将被公开发布，不仅确立了所提模型的优越性，也有望促进未来关于降水临近预报的研究。
引用
@article{arxiv.2102.08175,
title = {Accurate and Clear Precipitation Nowcasting with Consecutive Attention and Rain-map Discrimination},
author = {Ashesh and Buo-Fu Chen and Treng-Shi Huang and Boyo Chen and Chia-Tung Chang and Hsuan-Tien Lin},
journal= {arXiv preprint arXiv:2102.08175},
year = {2022}
}