A Deep-learning Method to Correct the Output of a Numerical Weather Prediction Model Used for Short-term Precipitation Forecast
Year: 2019
Type: article
Abstract: 本研究では深層学習を用いて数値気象モデル出力を補正して，降水量を出力する手法を構築した．深層学習手法として畳み込みニューラルネットワークを用い，入力データとして詳細な都市環境を考慮した気象シミュレーション可能な雲解像モデルCReSiBUCによる降水短期予測実験結果の内，降水量と地上鉛直風速出力を用いた．予測実験結果と同時刻・同一セルに最近隣法を用いて内挿した気象庁解析雨量を教師データとして用いて降水量分布を出力した．
Authors: Takeru KURAKAMI, Kazuyoshi SOUMA, Takashi MIYAMOTO, Takahiko FURUYA, Jun MAGOME, Hiroshi ISHIDAIRA
Institution: University of Yamanashi
Language: English
Subfield: Atmospheric Science
Field: Earth and Planetary Sciences
Domain: Physical Sciences
SDG: Climate action
Open Access status: diamond
OpenAlex ID: W3013710461