利用循环-卷积网络改进短期天气预报
机器学习
2022-03-16 v2 大气与海洋物理
摘要
Weather4cast 2021竞赛给参赛者的任务是预测基于卫星的气象数据二维场的时间演变。本文描述了作者在竞赛第一阶段取得初步成功后，于第二阶段进一步改进模型的努力。改进包括一个可与更深版本竞争的较浅模型变体、采用AdaBelief优化器、改进对某一预测变量的处理（发现训练集不能很好代表验证集），以及集成多个模型以进一步改善结果。对竞赛指标最大的定量改进可归因于第二阶段可用训练数据量的增加，其次是模型集成的效果。定性结果显示，该模型能预测场的时间演变，包括场随时间的运动，起初对近期未来给出清晰预测，而在后续帧中输出模糊以考虑增大的不确定性。
引用
@article{arxiv.2111.06240,
title = {Improvements to short-term weather prediction with recurrent-convolutional networks},
author = {Jussi Leinonen},
journal= {arXiv preprint arXiv:2111.06240},
year = {2022}
}
备注
6 pages, 4 figures. Accepted to the session "Bigdata Cup Challenges: IARAI's Weather4cast Competition" at IEEE Big Data Conference 2021