利用先验知识改进深度学习降水临近预报
机器学习
2023-01-30 v1
摘要
深度学习方法在短期高分辨率降水临近预报的预测误差方面占据主导地位。然而，由于优化平均误差损失函数导致预测被平滑且缺失高频特征，其业务可用性受限于难以解释预测背后的动力学。我们尝试将平流-扩散微分方程手工工程化嵌入 PhyCell，以向解耦物理与残差动力学的 PhyDNet 模型引入更准确的物理先验。结果表明，虽然 PhyCell 能够学习预期的动力学，但 PhyDNet 的训练仍由损失优化驱动，导致模型具有相同的预测能力。
引用
@article{arxiv.2301.11707,
title = {Improving deep learning precipitation nowcasting by using prior knowledge},
author = {Matej Choma and Petr Šimánek and Jakub Bartel},
journal= {arXiv preprint arXiv:2301.11707},
year = {2023}
}