科学研究

当前位置: 首页 >> 科学研究 >> 正文

KDD 2019( CCF-A类会议):Deep Uncertainty Quantification: A Machine Learning Approach for Weather Forecasting

来源:父子共同开发妻子在线观看人工智能研究院   发布者:服务管理办公室     日期:2019年06月03日 16:46   点击数:  

作者:Wang, Bin, Zheng Yan, Huaishao Luo, Tianrui Li, Jie Lu, and Guangquan Zhang.

摘要:精准的天气预报可为居民出行、粮食储藏、能源预测、产能优化、交通导流、航空航海等诸军民需求提供更精准的天气信息以供于决策支持。如何针对气象要素高度复杂性、不确定性进行有效建模,从而进行准确的预报,成为一个极具挑战性的问题。传统的数值天气预报方法受初始化随机性的影响,预报往往存在较大偏差。本文基于父子共同开发妻子在线观看人工智能技术中的深度学习模型,提出了高效的多源信息融合方法,设计了一种可以进行不确定性量化的新型损失函数,并将其用于训练深度学习模型过程中,不仅能够更准确地进行气象要素预报,还可以进行气象变化范围的置信区间预报。与传统的数值天气预报方法相比,该方法能够降低预报误差高达51.28%。

论文链接:https://arxiv.org/pdf/1812.09467.pdf