基于Transformer神经网络的极端降水季节预报
机器学习
2021-07-15 v1 人工智能
大气与海洋物理
摘要
气候变化的一个影响是极端降水事件频率和强度的增加。然而，在季节尺度上可靠地预测极端降水的可能性仍是一项突出的挑战。在此，我们提出一种方法，使用时态融合Transformer（TFT）模型预报未来最长六个月每周内最大日降水量的分位数。通过在两个区域的实验，我们将TFT预测与两个基线进行比较：气候态和一个经过校准的ECMWF SEAS5集合预报（S5）。我们的结果表明，在六个月提前期的分位数风险方面，TFT预测显著优于S5，并且与气候态相比总体上有小幅改进。TFT还对气候态无法响应的偏离正常情况作出正向反应。
引用
@article{arxiv.2107.06846,
title = {Extreme Precipitation Seasonal Forecast Using a Transformer Neural Network},
author = {Daniel Salles Civitarese and Daniela Szwarcman and Bianca Zadrozny and Campbell Watson},
journal= {arXiv preprint arXiv:2107.06846},
year = {2021}
}