-
Napovedovanje vremena s konvolucijskimi nevronskimi mrežamiPerkan, Uroš ; Skok, Gregor ; Zaplotnik, Žiga, klimatolog, 1989-Moderno napovedovanje vremena temelji na numeričnih vremenskih modelih, ki časovno evolucijo atmosferskih polj izračunajo na podlagi osnovnih fizikalnih zakonov. V pričujočem članku opišemo model ... strojnega učenja za globalno srednjeročno napovedovanje vremena ConvCastNet, ki smo ga razvili v okviru magistrske naloge. ConvCastNet temelji na konvolucijskih nevronskih mrežah in napoved izvaja na 3-stopinjski ekviangularni prostorski mreži za 10 atmosferskih, morskih in kopenskih spremenljivk. ConvCastNet se napovedovanja nauči tako, da pri učenju upošteva cenilko (t. i. funkcijo izgube), ki meri razliko med kratkoročno napovedjo in istočasnim približkom resničnega stanja ozracja, ki ga določimo iz rekonstrukcij preteklega vremena, t. i. reanaliz, ERA5. V model implementiramo nov način obravnave robov atmosferskih polj in polj latentnih značilk, tako da je upoštevana Zemljina sferična geometrija. Začetni pogoj za modelsko napoved so polja reanaliz, napoved pa izvedemo z avto regresivnim korakanjem s časovnim korakom 1 dan. ConvCastNet napoveduje dnevno povprečje atmosferskih spremenljivk. Vremenska napoved z modelom ConvCastNet omogoča natančno napovedovanje razvoja sinoptičnih vremenskih valov. Pri napovedovanju polja geopotenciala na 500 hPa ploskvi ConvCastNet tako doseže 7,8 dni z vrednostjo koeficienta korelacij anomalij (ACC) večjo od 0,6, s čimer se pri tej metriki približa rezultatom najnovejših modelov strojnega učenja in fizikalnemu determinističnemu visokoresolucijskemu modelu (HRES) Evropskega centra za srednjeročne vremenske napovedi (ECMWF). Model ConvCastNet lahko več dni vnaprej uspešno napove položaje sinoptičnih valov in baričnih tvorb ter uspešno sledi trajektorijam tropskih ciklonov. Zaradi nizke ločljivosti in dnevnega povprečenja atmosferskih polj pa ni sposoben izvedbe koristne napovedi intenzitete tropskih ciklonov, lokalnih ekstremnih padavinskih dogodkov in ostalih lokalnih vremenskih ekstremov. Analiza porazdelitve napak modela v letu 2022 pokaže, da je absolutna napaka vremenskih napovedi največja na baroklinih območjih v visokih geografskih širinah, normiranje napake z naravno variablinostjo vremena pa pokaže, da te glede na tipično hitrost spreminjanja vremena najhitreje naraščajo v tropih.Source: Raziskave s področja geodezije in geofizike 2023 : zbornik del : 29. srečanje Slovenskega združenja za geodezijo in geofiziko, Ljubljana, 1. februar 2024 (Str. 35-51)Type of material - conference contribution ; adult, seriousPublish date - 2024Language - slovenianCOBISS.SI-ID - 183859971
Author
Perkan, Uroš |
Skok, Gregor |
Zaplotnik, Žiga, klimatolog, 1989-
Topics
strojno učenje |
napovedovanje vremena |
konvolucijska nevronska mreža |
konvolucijskih kodirnik |
povprečna kvadratna napaka |
koeficient korelacij anomalij |
tropski ciklon |
absolutna napaka |
machine learnig |
weather forecasting |
convolutional neural network |
root mean squared error |
anomaly correlation coefficient |
tropical cyclones |
absolute error
Shelf entry
Permalink
- URL:
Impact factor
Access to the JCR database is permitted only to users from Slovenia. Your current IP address is not on the list of IP addresses with access permission, and authentication with the relevant AAI accout is required.
Year | Impact factor | Edition | Category | Classification | ||||
---|---|---|---|---|---|---|---|---|
JCR | SNIP | JCR | SNIP | JCR | SNIP | JCR | SNIP |
Select the library membership card:
DRS, in which the journal is indexed
Database name | Field | Year |
---|
Links to authors' personal bibliographies | Links to information on researchers in the SICRIS system |
---|---|
Perkan, Uroš | |
Skok, Gregor | 23978 |
Zaplotnik, Žiga, klimatolog, 1989- | 39349 |
Select pickup location:
Material pickup by post
Notification
Subject headings in COBISS General List of Subject Headings
Select pickup location
Pickup location | Material status | Reservation |
---|
Please wait a moment.