weizhen000 / dgmr-mindspore Goto Github PK

论文提出了一个深度生成模型，用于雷达降水的概率即时预报，来解决现有方法中存在的难以捕捉重要的非线性事件，例如对流起始，以及在较长的提前时间内产生的即时预报比较模糊，只能准确预测低强度降雨等问题，该模型可以对最大1536公里 $\times$ 1280公里的区域生成逼真、时空一致的预测，预报时间提前5-90分钟。经定量验证，该模型即时预报的效果较现有方法更好，无需模糊处理。论文表明生成式即时预报可以提供概率预测，从而提高预报价值并支持操作效用，并且在分辨率和提前期比现有方法更胜一筹。

使用来自英国气象局 RadarNet4 网络的一系列雷达合成图像

数据集访问

这个即时预测模型是一个使用两个 Discriminators 和一个附加 Regularization 进行训练的 Generator

• dask == 2022.9.1
• matplotlib == 3.5.1
• numba == 0.55.1
• numpy == 1.21.0
• pandas == 1.4.1
• properscoring == 0.1
• pytorch-lightning == 1.5.10
• torchvision == 0.11.3
• pytorch

对于模型DGMR, PySTEPS, UNet, Axial attention，在 $T + 30, T+60$ 和 $T + 90$ 的未来时间的预测对比