対流性ストームナウキャスティングに対するマルチチャネル3Dキューブ逐次畳込みネットワークの応用【JST・京大機械翻訳】

Zhang Wei; Han Lei; Sun Juanzhen; Guo Hanyang; Dai Jie

プレプリント

J-GLOBAL ID：202202216245123121 整理番号：22P0040004

対流性ストームナウキャスティングに対するマルチチャネル3Dキューブ逐次畳込みネットワークの応用【JST・京大機械翻訳】

Application of Multi-channel 3D-cube Successive Convolution Network for Convective Storm Nowcasting

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2017年02月15日プレプリントサーバーでの情報更新日： 2019年11月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

対流ストームキャスティングは様々な分野で大きな注目を集めている。深層学習フレームワークの下での既存の方法は,主にレーダデータに依存する。それらはナウキャストストーム移流をよく行うが,レーダ観測の限界により,ナウキャストストーム開始と成長はなお困難である。本論文は,マルチソース気象データを用いた深層学習フレームワークの下で,ナウキャストストーム開始,成長,および移流を同時に試みる。この目的のために,マルチチャネル3Dキューブ連続畳込みネットワーク(3D-SCN)を提示した。リアルタイム再解析気象データは,現在,豪雨開始と成長を予測するために必須である貴重な大気境界層熱動的情報を提供することができるので,生3Dレーダと再解析データを,手作業特徴工学なしで直接使用する。これらのデータをマルチチャネル3Dキューブとして定式化し,交差チャネル3D畳込みにより畳み出されるネットワークに供給した。プールなしの連続畳み込み層を積層することにより,著者らは,現在キャスティングのためのエンドツーエンド訓練可能モデルを作成した。実験結果は,深い学習方法が従来の外挿法より良い性能を達成することを示した。3D-SCNの定性分析は,嵐開始,成長および移流の現在予報の励みの結果を示した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

図形・画像処理一般 , 計算機網 , パターン認識

, , , , , , ,

前のページに戻る