PCT-CycleGAN：用于雷达降水临近预报的成对互补时序循环一致对抗网络
机器学习
2023-08-22 v5 人工智能
计算机视觉与模式识别
摘要
由于降雨对人类生活有着至关重要的影响，降水临近预报方法已经发展了数个世纪。不仅定量降水预报 (QPF) 模型和卷积长短期记忆网络 (ConvLSTM)，而且各种复杂方法如最新的 MetNet-2 也在不断涌现。本文受在图像到图像转换中表现出强大性能的循环一致对抗网络 (CycleGAN) 启发，提出了一种用于雷达降水临近预报的成对互补时序循环一致对抗网络 (PCT-CycleGAN)。PCT-CycleGAN 利用两个具有前向和后向时序动态的生成器网络，在成对互补循环中生成时序因果关系。每个生成器网络学习大量关于时间依赖的雷达降水数据的一对一映射，以逼近一个表示各方向时序动态的映射函数。为了在成对互补循环之间建立稳健的时序因果关系，提出了新颖的连接损失。此外，还提出了暴雨损失以涵盖异常的强降雨事件。PCT-CycleGAN 中学习前向时序动态的生成器网络，从当前时刻起生成未来 10 分钟的雷达降水数据。同时，它通过迭代预报提供长达 2 小时的可靠预测。通过与几种先前方法的定性和定量比较，证明了 PCT-CycleGAN 的优越性。
引用
@article{arxiv.2211.15046,
title = {PCT-CycleGAN: Paired Complementary Temporal Cycle-Consistent Adversarial Networks for Radar-Based Precipitation Nowcasting},
author = {Jaeho Choi and Yura Kim and Kwang-Ho Kim and Sung-Hwa Jung and Ikhyun Cho},
journal= {arXiv preprint arXiv:2211.15046},
year = {2023}
}
备注
CIKM 2023