面向降雨预报的全可微Lagrangian卷积神经网络
机器学习
2025-07-02 v2 人工智能
计算机视觉与模式识别
摘要
本文提出了一种卷积神经网络模型，用于降雨预报，将数据驱动学习与物理领域知识相结合。我们提出LUPIN（Lagrangian Double U-Net for Physics-Informed Nowcasting），基于现有外推式预报方法设计，包含动态生成尺度 mesoscale 风场的U-Net、可微分半Lagrangian外推算子，以及捕获降雨随时间的生长与衰变的无风场U-Net。通过本方法，我们成功地以全可微和GPU加速方式实现了降雨预报的Lagrangian卷积神经网络。这使得包括数据驱动Lagrangian坐标系数据转换的端到端训练和推理成为可能。我们对该模型进行评估，并在极端事件案例中对其进行定性和定量比较。根据我们的评估，LUPIN在所选基准模型中表现与之相当，甚至超过，为其他Lagrangian机器学习模型开辟了道路。
关键词
引用
@article{arxiv.2402.10747,
title = {Fully Differentiable Lagrangian Convolutional Neural Network for Physics-Informed Precipitation Nowcasting},
author = {Peter Pavlík and Martin Výboh and Anna Bou Ezzeddine and Viera Rozinajová},
journal= {arXiv preprint arXiv:2402.10747},
year = {2025}
}
备注
Submitted to Applied Computing and Geosciences