DGMR: модель DeepMind для краткосрочных прогнозов погоды

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


2021-10-05 12:00

ИИ проекты

DeepMind представила генеративно-состязательную сеть DGMR для предсказания погоды. DGMR обладает наивысшей среди аналогичных моделей точностью краткосрочных прогнозов.

Прогнозирование дождя имеет решающее значение для многих отраслей промышленности, включая авиацию и работы экстренных служб. Лучшие существующие методы прогнозирования погоды основаны на крупномасштабном компьютерном моделировании физики атмосферы. Они хорошо работают для долгосрочного прогнозирования, но обладают большой погрешностью при построении краткосрочных прогнозов.

Команда DeepMind обучила модель на данных с радаров. Многие страны публикуют снимки радиолокационных измерений, которые отслеживают формирование и движение облаков. Например, в Великобритании новые данные публикуются каждые пять минут. Исследователи передали эти данные в генеративно-состязательную сеть, обученную генерировать новые образцы данных, похожих на реальные данные, на которых она была обучена. После обучения DGMR обучилась генерировать синтетические радиолокационные снимки, которые продолжали последовательность реальных измерений.

Чтобы протестировать данный подход, команда попросила 56 синоптиков из британского Метеобюро оценить DGMR в слепом сравнении с прогнозами, сделанными с помощью физического моделирования и конкурирующего инструмента глубокого обучения. 89% экспертов решили, что прогнозы DGMR обладают наивысшей точностью.


Источник: neurohive.io

Комментарии: