FORECAST-CLSTM：一种用于云量临近预报的新卷积 LSTM 网络
计算机视觉与模式识别
2019-05-21 v1
摘要
随着公众对大规模实时天气服务的高需求，短时云量预测的精细化已成为天气预报产品的重要组成部分。为提供符合天气服务要求的云量临近预报，本文提出一种基于分层卷积长短期记忆网络的新深度学习模型，称之为 FORECAST-CLSTM，并配以新的 Forecaster 损失函数来预测未来卫星云图。该模型旨在融合分层网络结构中的多尺度特征，同时预测云量的像素值与形态运动。我们还收集了约 40K 红外卫星云图并构建了大规模卫星云量图数据集（SCMD）。所提出的 FORECAST-CLSTM 模型相较最先进的 ConvLSTM 模型取得了更好的预测性能，且所提出的 Forecaster 损失函数也被证明比传统损失函数更能保留真实大气条件的不确定性。
引用
@article{arxiv.1905.07700,
title = {FORECAST-CLSTM: A New Convolutional LSTM Network for Cloudage Nowcasting},
author = {Chao Tan and Xin Feng and Jianwu Long and Li Geng},
journal= {arXiv preprint arXiv:1905.07700},
year = {2019}
}