최근에 Yibin College와 Chongqing University of Technology가 공동으로 감독 한 대학원생들은 잘 알려진 학술 저널 IEEE 지구 과학 및 원격 감지 편지에 "2 단계 강우 강화 확산 모델"이라는 제목의 논문을 성공적으로 발표했습니다. 이 슬롯 커뮤니티는 생성 된 이미지의 명확성과 공간 위치에서의 부정확성과 같은 현재 강우 예측 기술의 일부 한계를 탐구합니다. 이러한 문제를 해결하기 위해 혁신적인 2 단계 강우 예측 확산 모델이 제안됩니다.

이 슬롯 커뮤니티는 Yibin College의 인공 지능 및 빅 데이터 인 Li Chaorong 교수가 이끄는 인공 지능 및 비전 탐지 팀의 지원을받습니다. 이 논문의 첫 번째 저자는 Yibin College와 Chongqing University of Technology가 공동으로 훈련 한 석사 학생 인 Ling Xudong이며, 해당 저자는 Li Chaorong 교수입니다. 이 슬롯 커뮤니티의 모델 코드는 Github 오픈 소스 플랫폼에서 발표되었으며 외국 슬롯 커뮤니티자들의 관심과 상담을 유치했습니다.

2 단계 강우 예측 확산 모델의 전체 이름 인 TRDM 모델은 장기 강우 예측의 정확성을 개선하고 시계열 및 공간 분석에서 성능 불일치 문제를 해결하는 혁신적인 기술 프레임 워크입니다. 이 모델은 강우 예측 작업을 다루기위한 두 가지 전략을 채택합니다. 첫 번째 단계에서,이 모델은 공간 정보를 분류하지 않은 상태에서 낮은 해상도 환경에서 견고한 시계열 데이터를 얻는 데 중점을 둡니다. 그런 다음 두 번째 단계에 들어갑니다.이 단계의 핵심은 처음에 얻은 저해상도 예측 이미지를 업그레이드하여 더 높은 정의 이미지로 변환하는 것입니다. MRM 및 스웨덴 레이더 데이터 세트에 대한 테스트를 통해 TRDM 모델은 특히 스웨덴 데이터에서 주요 성능을 ​​보여 주며, 이는 다른 표준 방법에 비해 60 ~ 80 분 예측 시간 창에 걸쳐 CSI (Critical Success Index)에서 5 ~ 10 % 포인트 개선을 달성했습니다.

그림 1은 TRDM의 프레임 워크입니다. 첫 번째 부분은 예측을위한 저해상도 확산 모델을 포함하며, 여기에는 3D 서열 확산 모델이 포함됩니다. 4 개의 조건부 프레임 (20 분)의 입력을 사용하여 다음 16 프레임 (80 분)의 (32 × 32)를 예측합니다. 두 번째 부분은 초수량 확산 모델을 포함하며, 이는 저해상도 프레임을 고해상도 이미지 (256 × 256)로 재구성하는 것을 목표로 2 차원 탈노 확산 모델을 사용하여 구성됩니다.

그림 2는 2021 년 1 월 10 일 스웨덴의 03:55에 발생한 도전적인 강수 사건에 대한 사례 슬롯 커뮤니티를 보여줍니다. 그림은 다른 방법을 사용하여 리드 타임 t+5, t+20, t+40, t+60 및 t+80 분에서 이루어진 개별 예측을 보여줍니다. 각 하위 그림의 왼쪽 하단 코너에는 CRP (Continuous Ranking Probability Score) 및 점수 (FSS)가 표시됩니다.

Ling Xudong은 인공 지능 강우 및 일기 예보 분야에서 두 번째로 고급 슬롯 커뮤니티 결과를 달성했습니다. 그는 지속적인 노력과 학습을 통해 분야의 발전에 자신의 기여를하기를 희망합니다. 동시에 두 학교는 대학원생 들이이 분야의 발전을 촉진하도록 공동으로 훈련하는 더 나은 결과를 달성하기를 희망합니다.

(Chen Mingxiang, Wang Xingjie, Final Review/Zhang Li, 편집자/Wang Ying, Production/Xingyan)의 검토.