基于深宽神经网络预测印度拉贾斯坦邦降雨
机器学习
2020-10-23 v1
摘要
降雨是一种自然过程，在包括水循环、地下水补给、灾害管理和经济循环在内的多个领域具有极其重要的意义。准确预测降雨强度是一项具有挑战性的任务，而其精确预测有助于各个方面。在本文中，我们提出了一种深宽降雨预测模型（DWRPM），并利用历史时间序列数据评估了其在预测印度拉贾斯坦邦降雨方面的有效性。对于宽网络，我们不直接使用降雨强度值，而是使用施加卷积层后获得的特徵。对于深部分，使用了多层感知机（MLP）。地理参数（纬度和经度）的信息以一种独特的方式被纳入。这赋予了模型泛化能力，有助于单一模型在不同地理条件下进行降雨预测。我们将我们的结果与各种深度学习方法（如 MLP、LSTM 和 CNN）进行比较，这些方法被观察到在基于序列的预测中表现良好。实验分析与比较显示了我们所提方法在拉贾斯坦邦降雨预测中的适用性。
引用
@article{arxiv.2010.11787,
title = {Prediction of Rainfall in Rajasthan, India using Deep and Wide Neural Network},
author = {Vikas Bajpai and Anukriti Bansal and Kshitiz Verma and Sanjay Agarwal},
journal= {arXiv preprint arXiv:2010.11787},
year = {2020}
}