IMPROVEMENT OF DEEP LEARNING RAINFALL FORECAST AND DETAILED EVALUATION
0Citations signalées, ce qui n’est pas une note de qualité
0Institutions déclarées
0Pays d’affiliation déclarés
Le résumé fourni par la source
近年，深層学習による短時間降水予測の研究が行われ始めたが，その予測精度の評価は対象降水・期間的に限定されており，また現業のモデルと比較したものも希である．本研究では，日本領域の降水を6時間先まで予測する既存手法を改良し，予測結果を網羅的に評価した．提案手法は50mmh-1を超える降水と5mmh-1を超える降水については，3時間先予測から現業の降水短時間予報よりも精度が良くなることが明らかとなり，降水短時間予報では考慮されていない何らかの物理現象を学習した可能性が示唆された．一方，弱い降水が継続する場合や冬季の降水等では予測性能が低下するが，夏季と共通する低気圧性の降水現象等では予測できる事例も存在し，モデルの改良やデータセットの検討の必要性が示唆された．
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- IMPROVEMENT OF DEEP LEARNING RAINFALL FORECAST AND DETAILED EVALUATION 深層学習降水予測の精度改善と現状の詳細評価
- Date Crossref
- 01/01/2024
- Éditeur
- Japan Society of Civil Engineers
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les sujets associés
Advanced Neural Network ApplicationsMedical Imaging and AnalysisBrain Tumor Detection and Classification