降水临近预报：利用双向 LSTM 与一维 CNN
神经与进化计算
2018-10-25 v1
摘要
短期降雨预报，又称降水临近预报，已成为一项潜在的基础性技术，对从飞行安全、暴雨预警到农田灌溉时机等众多现实应用产生重要影响。由于天气预报涉及从海量数据中识别底层结构，基于深度学习的降水临近预报在直观上已优于传统的线性外推方法。我们的研究工作旨在利用深度学习的最新进展来解决临近预报这一多变量时间序列预测问题。具体而言，我们采用双向 LSTM（长短期记忆，Long Short-Term Memory）神经网络架构，其能显著捕捉历史数据中的时间特征与长期依赖关系。为进一步研究，我们将双向 LSTM 网络与一维 CNN 模型进行比较，以证明序列模型在预测相关问题中相对于前馈神经架构的能力。
引用
@article{arxiv.1810.10485,
title = {Precipitation Nowcasting: Leveraging bidirectional LSTM and 1D CNN},
author = {Maitreya Patel and Anery Patel and Dr. Ranendu Ghosh},
journal= {arXiv preprint arXiv:1810.10485},
year = {2018}
}