MMINR：用于雷达降水临近预报的具有抗噪性的多帧到多帧推理
计算机视觉与模式识别
2022-05-06 v1
摘要
基于雷达回波图的降水临近预报在气象研究中至关重要。近来，基于卷积循环神经网络的方法主导该领域，但它们无法并行计算，导致推理时间较长。基于全卷积网络（FCN）的方法采用多帧到单帧推理（MSI）策略以避免此问题。它们在预测阶段将输出反馈回模型以预测下一时间步，从而获得多帧临近预报结果，但这会导致预测误差累积。此外，降水噪声因其不可预测性而成为导致高预测误差的关键因素。为解决该问题，我们提出一种新颖的具有抗噪性（NR）的多帧到多帧推理（MMI）模型，命名为 MMINR。它在并行计算中避免误差累积并抵抗降水噪声的负面影响。NR 包含噪声丢弃模块（NDM）和语义恢复模块（SRM）。NDM 以简单而高效的方式刻意丢弃噪声，SRM 补充特征的语义信息以缓解 NDM 误删语义信息的问题。实验结果表明，MMINR 可与其他 SOTA 方法取得有竞争力的分数。消融实验显示所提 NDM 和 SRM 能解决上述问题。
引用
@article{arxiv.2205.02457,
title = {MMINR: Multi-frame-to-Multi-frame Inference with Noise Resistance for Precipitation Nowcasting with Radar},
author = {Feng Sun and Cong Bai},
journal= {arXiv preprint arXiv:2205.02457},
year = {2022}
}