Nov, 2023

PAUNet：一种基于降水注意力的卫星亮温数据的降水预测 U-Net

PDF
TL;DR这篇论文介绍了基于降水关注的 U-Net（PAUNet）的深度学习架构，用于根据卫星辐射数据预测降水，解决 Weather4cast 2023 比赛的挑战。PAUNet 是 U-Net 和 Res-Net 的一种变体，通过编码器卷积层的中心裁剪和注意机制，有效捕捉多波段卫星图像中的大尺度上下文信息，包括可见光、水汽和红外波段。通过基于各种欧洲地区的大规模数据集进行训练，PAUNet 在多个时间段的降雨预测中表现出了显著的准确性，具有比基准模型更高的临界成功指数（CSI）得分。PAUNet 的架构和训练方法对于降水预测的改进具有重要意义，对紧急救援、零售和供应链管理等领域至关重要。
precipitationpaunetdeep learningsatellite radiance dataweather forecasting
发现论文，激发创造
  • RainAI -- 卫星数据降水即时预测

    通过使用 2D U-Net 模型进行空时特征学习，通过重要性采样和数据集准备，以及研究交叉熵损失函数、条件时间领先和上采样方法，提升天气预报准确性。

    Nov, 2023

  • AA-TransUNet：用于现时预测任务的加强注意力的 TransUNet

    本文介绍一种新型的预测性模型，名为 “Attention Augmented TransUNet (AA-TransUNet)”，将 TransUNet 和 Convolutional Block Attention Modules (CBAM) 以及 Depthwise-separable Convolution (DSC) 结合起来，应用于降雨预测任务，并在 Dutch precipitation map dataset 和 French cloud cover dataset 上进行评估，结果表明 AA-TransUNet 模型在两个测试数据集上的表现均优于其他模型，并提供了该模型预测的不确定性分析。

    Feb, 2022

  • 使用三维 U-Nets 和 EarthFormers 从卫星数据中进行超分辨率的降雨概率预测

    使用 3D U-Nets 和 EarthFormers 基于多波段卫星图像对未来 8 小时的降雨进行了概率预测，并通过多模型协商和阈值优化获得了最终结果，最佳的卫星波段预测雨情的表征是云顶相位和云顶高度波段，是一项优化的模型方法。

    Dec, 2022

  • GA-SmaAt-GNet：极端降水即时预报的生成对抗小注意力 GNet

    提出了 GA-SmaAt-GNet，一种新颖的生成对抗网络架构，通过使用两种方法以提高极端降水近场的深度学习模型的性能。首先，使用了基于 SmaAt-UNet 架构的新型 SmaAt-GNet 作为生成器，这个网络利用降水蒙版（二值化降水图）作为额外的数据源，以改进预测。此外，GA-SmaAt-GNet 利用了一个增强注意力的判别器，受到了 Pix2Pix 架构的启发。该研究在荷兰的实际降水数据集上评估了 GA-SmaAt-GNet 的性能，结果显示在整体性能和极端降水事件方面都有显著改进。最后，使用 Grad-CAM 方法进一步解释了所提出模型的预测，生成激活热图，用于说明网络各部分更活跃的输入区域。

    Jan, 2024

  • MetNet：降水预测的神经气象模型

    利用深度神经网络，MetNet 能在高达 1 km² 的空间分辨率下、每 2 分钟一个时间间隔内预测未来 8 小时的降水情况。它使用轴向自注意力来聚合来自一个对应于 1 百万平方千米的大型输入块的全局上下文。研究表明，在大陆尺度上，MetNet 在各种降水阀值下的预测性能优于数值天气预报长达 7 至 8 小时。

    Mar, 2020

  • 基于深度学习的降水预报和估计的有效训练策略

    本研究提出了一种基于深度学习的预降水方案，利用 U-Net 模型和预训练技术来提高预测性能，使用新的损失函数减轻类别不平衡问题，实验表明相较于传统方法，本方法的准确性和精度在降水预报和降水估算中都有所提高。

    Feb, 2022

  • 基于 Swin-UNETR 的时空迁移学习的降水现在预报

    应用 Swin-UNETR 模型进行欧洲十个不同地区的降水预报研究，以提高应对极端天气事件的能力。

    Nov, 2023

  • 使用深度神经网络进行降水现在预报

    本研究使用三种深度学习模型（U-net、ConvLSTM 和 SVG-LP）在二维降水图上进行降雨即时预测，并提出了补丁提取算法以获得高分辨率的降水地图和损失函数来解决图像模糊问题和减少降水地图中零值像素的影响。

    Mar, 2022

  • Weather4cast 2023 中定量降水预报的高效基准

    精确的降水预测对各行各业的决策是不可或缺的，然而目前模型的计算需求引起了环境问题。本文针对精确的降水预测的关键需求，同时考虑了计算资源的环境影响，并提出了一种用于未来天气预测的基准架构 —— 简约 U-Net 架构。

    Nov, 2023

  • NASNet：一种单幅图像去雨的神经注意力阶段网络

    本文提出了一种用于处理多种雨模型任务的新型端到端神经元注意力阶段网络（NASNet），包括轻量级神经元注意力（NA）架构机制和阶段性统一模式网络架构，能够在处理复杂雨天图像时有效地提高图像质量。

    Dec, 2019