基于深度学习的与位置无关的自适应降水预测
机器学习
2024-02-05 v1 人工智能
摘要
降水预测是一项具有挑战性的任务，因为它依赖于随位置变化而变化的天气和气象特征。因此，在一个位置表现良好的预测模型，由于分布偏移，在其他位置表现不佳。此外，由于全球变暖，天气模式逐年快速变化，这使得即使在同一位置，随着时间的推移，这些模型也可能失效。在我们的工作中，我们提出了一种基于深度学习的自适应框架，以解决上述挑战。我们的方法能够泛化模型，使其适用于任何位置的降水预测，而未采用自适应的方法则无法做到。我们的方法在使用深度神经网络进行自适应后，在预测巴黎、洛杉矶和东京的降水方面分别显示出 43.51%、5.09% 和 38.62% 的改进。
引用
@article{arxiv.2402.01208,
title = {Location Agnostic Adaptive Rain Precipitation Prediction using Deep Learning},
author = {Md Shazid Islam and Md Saydur Rahman and Md Saad Ul Haque and Farhana Akter Tumpa and Md Sanzid Bin Hossain and Abul Al Arabi},
journal= {arXiv preprint arXiv:2402.01208},
year = {2024}
}