基于卫星图像与注意力深度模型的热带气旋快速增强基准测试
机器学习
2020-09-25 v2 机器学习
摘要
热带气旋的快速增强（RI）由于响应时间短，常对人类文明造成重大破坏。提前准确预测此类极端天气事件是一项重要却具有挑战性的任务。传统上，气象学家通过人工驱动的特征提取和预测因子修正流程来处理该任务。然而，这些流程未能利用现代机器学习模型和丰富的传感器数据（如卫星图像）的力量。此外，这种方法的人工驱动性质使得预测模型难以复现和基准测试。在本研究中，我们仅使用传统技术中未充分利用的卫星图像，构建了一个 RI 预测基准。该基准遵循常规数据科学实践，使数据科学家更容易为 RI 预测做出贡献。我们通过设计一个受领域启发的时空深度学习模型来展示该基准的实用性。结果展示了深度学习在解决 RI 预测等复杂气象问题中的良好性能。
引用
@article{arxiv.1909.11616,
title = {Benchmarking Tropical Cyclone Rapid Intensification with Satellite Images and Attention-based Deep Models},
author = {Ching-Yuan Bai and Buo-Fu Chen and Hsuan-Tien Lin},
journal= {arXiv preprint arXiv:1909.11616},
year = {2020}
}
备注
In Proceedings of the The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML/PKDD), September 2020