RainAI——基于卫星数据的降水临近预报
计算机视觉与模式识别
2023-12-01 v1 机器学习
大气与海洋物理
摘要
本文提出了一种针对 Weather4Cast 2023 竞赛的解决方案，其目标是以较低分辨率的卫星辐射图像预报具有 8 小时提前量的高分辨率降水。我们提出了一种使用 2D U-Net 模型进行时空特征学习的简单而有效的方法，在性能和效率上均优于官方 3D U-Net 基线。我们强调通过重要性采样和数据集准备来精炼数据集，并表明此类技术对性能有显著影响。我们进一步研究了一种替代的交叉熵损失函数，其相比标准均方误差损失提升了性能，同时使模型能够产生概率化输出。还探索了关于在不同提前量下生成预测的附加技术，具体通过调节提前量（Conditioning Lead Time）实现。最后，为生成高分辨率预报，我们评估了标准与上采样学习方法。代码和训练参数可在 https://github.com/rafapablos/w4c23-rainai 获取。
引用
@article{arxiv.2311.18398,
title = {RainAI -- Precipitation Nowcasting from Satellite Data},
author = {Rafael Pablos Sarabia and Joachim Nyborg and Morten Birk and Ira Assent},
journal= {arXiv preprint arXiv:2311.18398},
year = {2023}
}