基于 U-Net 模型的深海海岸要素预报
机器学习
2021-11-10 v2 计算机视觉与模式识别
图像与视频处理
摘要
能源的供需受气象条件影响。随着对可再生能源需求的增长，准确天气预报的重要性日益提升。能源供应商与政策制定者需要天气信息以做出明智选择并根据运营目标制定最优计划。由于近期应用于卫星影像的深度学习技术的发展，利用遥感数据的天气预报也取得了重大进展。本文研究利用基于 U-Net 的架构对荷兰海岸海要素进行多步超前帧预测。来自 Copernicus 观测计划的每小时数据，时间跨度两年，已被用于训练模型并进行预报，包括季节性预测。我们提出一种 U-Net 架构的变体，并进一步利用残差连接、并行卷积与非对称卷积扩展该新型模型，从而引入三种附加架构。特别地，我们表明配备并行与非对称卷积以及跳跃连接的架构优于其他三种所讨论的模型。
引用
@article{arxiv.2011.03303,
title = {Deep coastal sea elements forecasting using U-Net based models},
author = {Jesús García Fernández and Ismail Alaoui Abdellaoui and Siamak Mehrkanoon},
journal= {arXiv preprint arXiv:2011.03303},
year = {2021}
}
备注
12 pages, 11 figures