基于图学习的低成本雨量计区域性重度降雨预测
机器学习
2024-12-24 v1 人工智能
神经与进化计算
摘要
准确及时地预测重度降雨事件对于有效的洪涝风险管理和灾害准备至关重要。通过在当地层面监测、分析和评估降雨数据，既可以采取有效措施防止严重气候变化，也可以改善地表和地下水文资源的规划。然而，发展中国家往往由于安装和维护成本高昂，缺乏持续收集数据的气象站。鉴于此，本文的贡献有两个方面：首先，我们提出一种低成本物联网系统，用于自动记录、监控和预测农村地区的降雨情况。其次，我们提出一种新方法，通过实施图神经网络（GNN）来进行区域性重度降雨预测，因其特别适合捕捉降雨图案中复杂的空间依赖关系而被提出。该方法使用为期72个月的历史数据进行测试，日度测量数据表明，所提出的方法在预测重度降雨事件方面效果显著，特别适合资源有限或传统气象雷达或站点覆盖不足的地区。
引用
@article{arxiv.2412.16842,
title = {Graph Learning-based Regional Heavy Rainfall Prediction Using Low-Cost Rain Gauges},
author = {Edwin Salcedo},
journal= {arXiv preprint arXiv:2412.16842},
year = {2024}
}
备注
Accepted for publication in the proceedings of the 2024 Latin American Conference on Computational Intelligence (IEEE LA-CCI 2024)