Methods, systems, and apparatus, including computer programs encoded on computer storage media, for precipitation nowcasting using generative neural networks. One of the methods includes obtaining a context temporal sequence of a plurality of context radar fields characterizing a real-world location, each context radar field characterizing the weather in the real-world location at a corresponding preceding time point; sampling a set of one or more latent inputs by sampling values from a specified distribution; and for each sampled latent input, processing the context temporal sequence of radar fields and the sampled latent input using a generative neural network that has been configured through training to process the temporal sequence of radar fields to generate as output a predicted temporal sequence comprising a plurality of predicted radar fields, each predicted radar field in the predicted temporal sequence characterizing the predicted weather in the real-world location at a corresponding future time point.

    La présente invention concerne des procédés, des systèmes et un appareil, incluant des programmes informatiques codés sur des supports de stockage informatiques, destinés à la prévision immédiate de précipitations à l'aide de réseaux neuronaux génératifs. L'un des procédés consiste à obtenir une séquence temporelle de contexte d'une pluralité de champs de radar de contexte caractérisant un emplacement du monde réel, chaque champ de radar de contexte caractérisant les conditions météorologiques dans l'emplacement du monde réel à un instant précédent correspondant ; à échantillonner un ensemble d'une ou de plusieurs entrées latentes par échantillonnage de valeurs à partir d'une distribution spécifiée ; et pour chaque entrée latente échantillonnée, à traiter la séquence temporelle de contexte de champs de radar et l'entrée latente échantillonnée à l'aide d'un réseau neuronal génératif qui a été configuré par apprentissage pour traiter la séquence temporelle de champs de radar pour générer en sortie une séquence temporelle prédite comprenant une pluralité de champs de radar prédits, chaque champ de radar prédit dans la séquence temporelle prédite caractérisant le temps prédit dans l'emplacement du monde réel à un instant futur correspondant.


    Zugriff

    Download


    Exportieren, teilen und zitieren



    Titel :

    NOWCASTING USING GENERATIVE NEURAL NETWORKS


    Weitere Titelangaben:

    PRÉVISION IMMÉDIATE À L'AIDE DE RÉSEAUX NEURONAUX GÉNÉRATIFS


    Beteiligte:

    Erscheinungsdatum :

    25.08.2022


    Medientyp :

    Patent


    Format :

    Elektronische Ressource


    Sprache :

    Englisch


    Klassifikation :

    IPC:    G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen / G05D SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES , Systeme zum Steuern oder Regeln nichtelektrischer veränderlicher Größen / G01W METEOROLOGY , Meteorologie / G08G Anlagen zur Steuerung, Regelung oder Überwachung des Verkehrs , TRAFFIC CONTROL SYSTEMS



    NOWCASTING USING GENERATIVE NEURAL NETWORKS

    RAVURI SUMAN / LENC KAREL / MIROWSKI PIOTR WOJCIECH et al. | Europäisches Patentamt | 2023

    Freier Zugriff

    Severe Thunderstorm Nowcasting

    Richard, P. / United States; Federal Aviation Administration / National Atmospheric Electricity Hazards Protection Program; National Interagency Coordinating Group et al. | British Library Conference Proceedings | 1992


    Nowcasting Meteorological Hazards

    Wehry, W. / Lesch, L. | British Library Online Contents | 1998



    Nowcasting in the GPM Era

    Hou, Arthur Y. | NTRS | 2008