.png){kind=icon}
返回
Uncertainty-aware methods for enhancing rainfall prediction with deep-learning based post-processing segmentation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cageo.2025.105992.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 概率深度学习模型用于增强数值天气预报的后处理聚合。
• 设计用于在保持不确定性量化的同时提升预报精度。
• 提出了SDE U-Net，一种用于分割任务的不确定性感知模型。
• 对非强和强降水事件的累积降水量预报进行了评估。
Keyword:
Rainfall prediction
Probabilistic deep learning
Deep learning post-processing
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
C
IF:
4.4
论文数:
5.0K
被引数:
1.5W
机构
引用论文
分享收藏Location-Refining neural network: A new deep learning-based framework for Heavy Rainfall Forecast
PREAI
分享收藏A review of uncertainty quantification in deep learning: Techniques, applications and challenges深度学习中的不确定性量化: 技术、应用与挑战.png)
INFORMATION FUSION
OAAI
INFORMATION FUSIONIF15.5
OAAI分享收藏Neural network attribution methods for problems in geoscience: A novel synthetic benchmark dataset
OAAI
OAAI分享收藏
查看更多内容