基于深度神经网络的长期冰雹风险评估
大气与海洋物理
2022-09-05 v1 机器学习
摘要
冰雹风险评估对于估算和减少对农作物、果园及基础设施的破坏是必要的。同时，它有助于估算和降低企业尤其是保险公司的相关损失。但冰雹预报具有挑战性。用于设计此类模型的数据是三维地理空间时间序列。相对于可用数据集的分辨率，冰雹是非常局部的事件。此外，冰雹事件很罕见——观测中仅 1% 的目标被标记为“冰雹”。用于临近预报和短期冰雹预报的模型正在改进。将机器学习模型引入气象领域并非新鲜事。也有各种反映未来气候变化可能情景的气候模型。但对于给定区域冰雹频率变化的数据驱动预报，尚不存在机器学习模型。后一任务的第一个可能方法是忽略空间和时间结构，开发一种能够将给定气象变量垂直廓线分类为利于冰雹形成或不利于冰雹形成的模型。尽管这种方法无疑忽略了重要信息，但它非常轻量且易于扩展，因为它将观测视为彼此独立。更先进的方法是设计能够处理地理空间数据的神经网络。我们这里的思路是将负责处理空间数据的卷积层与能够处理时间结构的循环神经网络块相结合。本研究比较了两种方法，并引入了一种适用于未来数十年冰雹频率变化预报任务的模型。
引用
@article{arxiv.2209.01191,
title = {Long-term hail risk assessment with deep neural networks},
author = {Ivan Lukyanenko and Mikhail Mozikov and Yury Maximov and Ilya Makarov},
journal= {arXiv preprint arXiv:2209.01191},
year = {2022}
}