DeepRain：基于多通道雷达数据使用ConvLSTM网络的降水预测
机器学习
2017-11-08 v1
摘要
准确的降雨预报至关重要，因为它对人们的社会经济活动有重大影响。各类文献近期趋势表明，深度学习（神经网络）是应对许多挑战性任务的一种有前景的方法。在本研究中，我们引入一种全新的数据驱动降水预测模型，称为DeepRain。该模型利用卷积LSTM（ConvLSTM）从天气雷达数据（三维四通道数据）预测降雨量。ConvLSTM是LSTM（长短期记忆）的一种变体，在LSTM单元内包含卷积操作。实验中，我们使用了为期两年的雷达反射率数据，其输入为以6分钟为单位划分为15条记录的时间序列格式。输出为对应输入数据的预测降雨信息。实验结果表明，双层堆叠的ConvLSTM相比线性回归将RMSE降低了23.0%。
引用
@article{arxiv.1711.02316,
title = {DeepRain: ConvLSTM Network for Precipitation Prediction using Multichannel Radar Data},
author = {Seongchan Kim and Seungkyun Hong and Minsu Joh and Sa-kwang Song},
journal= {arXiv preprint arXiv:1711.02316},
year = {2017}
}
备注
Climate Informatics Workshop 2017