基于深度学习的多元回归利用Keras库由物理参数预测西非总柱水汽
信号处理
2019-12-18 v1 神经与进化计算
摘要
总柱水汽是天气和气候的一个重要因素。本研究应用基于深度学习的多元回归，利用能够改善时空预测的元素来映射TCWV。在本研究中，我们使用ERA5（第五代ECMWF全球气候大气再分析）预测TCWV。我们使用基于Keras库的合适深度学习多元回归算法，以改善总柱水汽与平均海平面气压、地面气压、海表温度、100米U风分量、100米V风分量、10米U风分量、10米V风分量、2米露点温度、2米温度等预测因子之间的非线性预测。所得结果构建了一个预测器，其建模TCWV的平均绝对误差（MAE）为3.60 kg/m2，决定系数R2为0.90。
引用
@article{arxiv.1912.07388,
title = {Deep Learning based Multiple Regression to Predict Total Column Water Vapor (TCWV) from Physical Parameters in West Africa by using Keras Library},
author = {Daouda Diouf and Awa Niang and Sylvie Thiria},
journal= {arXiv preprint arXiv:1912.07388},
year = {2019}
}
备注
8pages, 6 figures, 3 tables