深度多站点天气预报：可解释的循环卷积神经网络
机器学习
2021-02-11 v6 机器学习
摘要
由于数据驱动模型所取得的进展，应用于天气预报的深度学习已开始受到关注。本文比较了两种不同的深度学习架构，以对从欧洲18个城市收集、跨度15年的每日数据进行天气预测。我们提出了深度注意力单流多流（DAUM）网络，其研究了不同类型的输入表示（即张量单流与多流）以及注意力机制的引入。特别地，我们表明在模型内添加自注意力模块可提升整体预测性能。此外，采用遮挡分析和得分最大化等可视化技术，以额外洞悉用于预测目标城市特定目标特征的最重要特征与城市。
引用
@article{arxiv.2009.11239,
title = {Deep multi-stations weather forecasting: explainable recurrent convolutional neural networks},
author = {Ismail Alaoui Abdellaoui and Siamak Mehrkanoon},
journal= {arXiv preprint arXiv:2009.11239},
year = {2021}
}
备注
8 pages, 8 figures