孟买降雨预报精度的提升：利用物理信息 ConvLSTM2D 模型实现更精细的时空分辨率
机器学习
2024-04-02 v1
摘要
由于复杂的大气行为、高湿度水平以及常见的对流性降水事件，热带地区的降雨预报极具挑战性。在印度背景下，由于季风季节内振荡在短期内引入了显著的降雨模式变率，这一困难进一步加剧。早期对降雨预测的研究利用了数值天气预报方法，以及统计和深度学习方法。本研究引入了一种深度学习空间模型，旨在更精细的尺度上提高降雨预测精度。在本研究中，我们假设整合物理理解能够提升深度学习模型在更精细空间尺度（如城市）上的高精度降水预测能力。为了验证这一假设，我们引入了物理信息 ConvLSTM2D 模型，用于预测印度孟买提前 6 小时和 12 小时的降水。我们利用 ERA5 再分析数据在各重力位势层面上选择预测变量。ConvLSTM2D 模型以目标变量降水进行训练，覆盖代表孟买不同空间网格位置的 4 个不同网格。因此，利用来自空间信息有限特定网格的物理信息数据，将 ConvLSTM2D 模型用于降雨预测，反映了当前气象研究的进展，这些进展同时强调效率和局部化精度。
引用
@article{arxiv.2404.01122,
title = {Enhanced Precision in Rainfall Forecasting for Mumbai: Utilizing Physics Informed ConvLSTM2D Models for Finer Spatial and Temporal Resolution},
author = {Ajay Devda and Akshay Sunil and Murthy R and B Deepthi},
journal= {arXiv preprint arXiv:2404.01122},
year = {2024}
}
备注
Submitted to Computer and Geosciences. arXiv admin note: substantial text overlap with arXiv:2310.09311