雨码融合:用于时空降水预测的码到码ConvLSTM
机器学习
2021-03-02 v6 大气与海洋物理
机器学习
摘要
近来,由气候变化引起的异常天气条件所造成的洪涝灾害已成为社会问题。对强降雨的快速响应对于减轻经济损失及迅速恢复十分重要。时空降水预报可提升坝前入库流量预测精度,提前6小时以上以减缓洪涝损失。然而,普通ConvLSTM在真实降水预报中因目标预测与真值之间不可约偏置的限制,可预测范围不超过3个时间步。本文提出一种用于时空降水码到码预报的雨码方法。我们提出一种新颖的降雨特征,通过多帧融合表示时间降雨过程以实现时间步缩减。我们基于标准ConvLSTM对不同期限范围进行雨码研究。我们应用于日本雨季小时降水数据中的一个坝区,数据涵盖2006至2019年每年5月至10月约12.7万小时。我们采用面积为136 x 148 km2中央广阔区域的雷达分析小时数据。最后,我们提供了若干预报范围内雨码尺寸与小时精度之间的敏感性研究。
引用
@article{arxiv.2009.14573,
title = {Rain-Code Fusion : Code-to-code ConvLSTM Forecasting Spatiotemporal Precipitation},
author = {Takato Yasuno and Akira Ishii and Masazumi Amakata},
journal= {arXiv preprint arXiv:2009.14573},
year = {2021}
}
备注
15 pages, 12 figures