.png){kind=icon}
返回
Short-term rainfall forecasting using multi-task learning and Weibull based postprocessing technique
.png){kind=icon}
PRE
AI
DOI：10.1007/s13762-025-06690-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
可靠的短期降雨预报对洪水预报起着关键作用，能够预防或减轻生命和财务损失。本研究采用了一种新框架，该框架整合了最大重叠离散小波变换作为数据预处理技术、长短期记忆网络作为深度学习算法并结合多任务学习方法，以及采用获取威布尔分布的后处理技术，以实现从1小时到12小时提前的可靠降雨预报。模型输入包括戈勒斯坦省（Golestan Province）一个气象站（Aliabad）的实时观测数据。多任务学习方法结合了来自回归的连续降雨预报和来自分类的降雨探测。总体而言，所提出的框架显示出提高探测概率和虚警率以及预报值与实际值之间相关性的效率。后处理技术被应用于改进极端事件的模型预报，因为这些事件通常被低估。结果表明，所提出的方法论能够成功应用于不同时间窗口内的降雨预报。此外，该方法仅考虑实时降雨观测作为模型输入，这对于缺乏其他参数（如温度和湿度）数据的地区具有前景。
Keyword:
Forecasting
Long short-term memory
Multi-task models
Rain prediction
Wavelet analysis
Weibull distribution
期刊
IF:
3.4
论文数:
7.9K
被引数:
1.7W
机构
引用论文
Short-term rainfall forecasting using cumulative precipitation fields from station data: a probabilistic machine learning approach.png)
JOURNAL OF HYDROLOGY
JOURNAL OF HYDROLOGYIF6.3
PREAI
分享收藏Physics-Based vs Data-Driven 24-Hour Probabilistic Forecasts of Precipitation for Northern Tropical Africa基于物理的方法与数据驱动方法对北热带非洲降水24小时概率预报的比较
OAAI
OAAI分享收藏Vibration-based damage localization in 3D sandwich panels using an irregularity detection index (IDI) based on signal processingMEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏
查看更多内容