热带气旋登陆强度、位置和时间的预测
本文利用神经网络模型输入历史路径数据和再分析大气图像数据,很好地解决了热带气旋准确预测的问题,模型预测准确率较高,相较于传统的预测方法有很大的优势,可以为实时预报提供宝贵的参考依据。
Oct, 2019
本研究构建了一个基于卫星图像数据的热带气旋快速加强预测基准并展示了深度学习在解决复杂气象问题方面,如快速加强预测中的优越性能。
Sep, 2019
基于实时 Unified Model (UM) 数据的预测模型,克服了回分析数据的局限性,在 72 小时内以 6 小时间隔提供准确的台风路径预测,优于现有的数据驱动方法和数值天气预测模型,同时提供了基于 ERA5 回分析数据、台风路径和 UM 预测数据的预处理物理路径数据集。
Jan, 2024
提出了一个使用生成对抗网络和卷积神经网络相结合的新颖框架,该模型利用所有卫星数据进行训练,只使用高频红外和水汽数据提供强度估计,并且可以将最大估计频率从 3 小时提高到不到 15 分钟。
Oct, 2020
通过整合卫星成像、遥感和大气数据,利用扩散模型进行研究,采用级联方法进行气旋路径预测和降水模拟,从而实现具有高准确性的预测,适用于对预测需求迫切、且受限于资金的高度脆弱地区的特殊气象需求。
Oct, 2023
使用可见卫星图像,基于 AlexNet 架构引入两种基于模型的集成模型来估计热带气旋强度,其中全局模型和分布式模型在性能上均优于基准模型,并提供了详细的解决方案讨论和对 AlexNet 性能的解释。
Apr, 2024
利用深度学习方法和数据集,对热带气旋的结构和能量进行了综合评估,发现过去几十年中,主要热带气旋的比例增加了约 13%,极高能量热带气旋的比例增加了约 25%,高能量热带气旋的总能量也呈现上升趋势,进一步证实了气候变化对热带气旋的影响。
Feb, 2024
本研究引入深度学习空间模型以提高精确预测城市等细致空间尺度下降水,通过使用特定地点的物理信息数据和局部精度,反映气象研究领域的当前进展。
Apr, 2024