沿时间与垂直方向扩展卷积神经网络用于降水降尺度
机器学习
2021-12-14 v1 大气与海洋物理
摘要
深度学习已被用于气候数据的统计降尺度。具体而言，二维（2D）卷积神经网络（CNN）已成功应用于降水估计。本研究采用三维（3D）CNN 从三维大气数据估计流域尺度的日降水，并将结果与 2D CNN 进行比较。该 2D CNN 沿时间方向（3D-CNN-Time）和垂直方向（3D-CNN-Vert）进行了扩展。这些扩展 CNN 的降水估计结果在均方根误差（RMSE）、Nash-Sutcliffe 效率（NSE）和第 99 百分位 RMSE 方面与 2D CNN 进行了比较。研究发现，与 2D CNN 相比，3D-CNN-Time 和 3D-CNN-Vert 均提高了降水估计的模型精度。就 RMSE 和 NSE 而言，3D-CNN-Vert 在训练期和测试期均提供了最佳估计。
引用
@article{arxiv.2112.06571,
title = {Extension of Convolutional Neural Network along Temporal and Vertical Directions for Precipitation Downscaling},
author = {Takeyoshi Nagasato and Kei Ishida and Ali Ercan and Tongbi Tu and Masato Kiyama and Motoki Amagasaki and Kazuki Yokoo},
journal= {arXiv preprint arXiv:2112.06571},
year = {2021}
}