推进气象预报：AI 驱动的天气图分析方法
机器学习
2024-11-11 v1 人工智能
计算机视觉与模式识别
摘要
全球变暖增加了天气模式的复杂性，天气预报的精度变得越来越重要。本研究提出了一种新颖的预处理方法与卷积自编码器模型，以改进天气图的解读。这些图表对于气象学家全面理解天气状况至关重要。该模型能够识别与当前大气条件几乎匹配的历史天气图，标志着气象预报现代技术的重要进展。这包括以 ImageNet 数据集训练的 VQ-VQE 等无监督学习模型，以及 VGG16、VGG19、Xception、InceptionV3 和 ResNet50 等监督学习模型，同时也研究了 EfficientNet 和 ConvNeXt 等较新的模型。我们的结果证明，尽管这些模型在各种设置下表现良好，但它们识别可比天气图的能力存在一定局限。本研究以显著提高气象学家在劳动密集型任务中的效率为主要目标，发现余弦相似度是最有效的度量指标，这一结论由定量与定性评估的结合得出。本研究通过将重点从数值精度转向实际应用，拓展了我们的理解，确保模型在理论上有效、在实践中可用，并能适应气象学这一复杂且动态的领域。
引用
@article{arxiv.2411.05384,
title = {Advancing Meteorological Forecasting: AI-based Approach to Synoptic Weather Map Analysis},
author = {Yo-Hwan Choi and Seon-Yu Kang and Minjong Cheon},
journal= {arXiv preprint arXiv:2411.05384},
year = {2024}
}