Nov, 2023
轻量级学习器集成的降水预测
Precipitation Prediction Using an Ensemble of Lightweight Learners
Xinzhe Li, Sun Rui, Yiming Niu, Yao Liu
TL;DR通过使用多个学习者的集成学习框架，结合卫星图像，该研究论文提出了一种准确建模复杂降水模式的降水预测方法，并在 Weather4Cast 2023 竞赛中排名第一。
Abstract
precipitation prediction plays a crucial role in modern agriculture and
industry. However, it poses significant challenges due to the diverse patterns
and dynamics in time and space, as well as the scarcity of high precipitation
events.
To address this challenge, we propose an
precipitation predictionensemble learningmultiple learnersrainfall patternsweather4cast 2023 competition
发现论文，激发创造
融合格网卫星和气象站降水数据的 Ensemble 学习
本文提出了 11 个集成学习器并将它们与 PERSIANN 和 IMERG 数据集以及 GHCNm 数据进行比较，证明了这些集成学习器对卫星降水产品的预测精度有所提高。
Jul, 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
高分辨率全球降水预测的生成建模
本研究使用生成对抗网络（GAN）优化了一种最先进的深度学习降水模型（FourCastNet），从而能更有效地捕捉极端百分位的全球降雨量，预测准确率优于其他数值天气模型。
Oct, 2022
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
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
基于雷达图像的降水现在预报机器学习
采用深度学习技术中的 UNET 卷积神经网络，将高分辨率（1km × 1km）短期（1 小时）降水预测视为图像翻译问题，用于气候变化适应的高分辨率实时预测，表现优于光流、持续性和 NOAA 的数值一小时 HRRR 气象预测模型。
Dec, 2019
基于深度学习的位置不敏感的自适应降雨量预测
我们提出了一种自适应深度学习框架，可以为任何地点的降雨预测提供解决方案，并通过使用深度神经网络对巴黎、洛杉矶和东京的降雨预测进行适应后，取得了 43.51%、5.09% 和 38.62% 的改进。
Feb, 2024