Prognostisera nederbörd med deep learning neurala nätverk (Exjobb 30 hp)

SMHI:s affärsverksamhet söker en student till ett examensarbete. Examensarbetet kommer utforska möjligheterna att prognostisera nederbörd på kort tidsskala med deep learning neurala nätverk utifrån indata från radar- och satellitbilder samt numeriska vädermodeller.

Bakgrund

Nederbörd är en parameter som präglas av stora temporala och spatiala variationer. Traditionella numeriska vädermodeller är för beräkningstunga för att beräkna om nederbördsprognosen i täta tidsintervall. I dagsläget körs den numeriska vädermodellen fyra gånger dagligen. För att få en tätare uppdatering använder SMHI en traditionell nowcastingmetod där observationer och meteorologiska prognoser kombineras för att förbättra nederbördsprognosen de närmaste timmarna.

Deep learning har inom många applikationsområden lyckats uppnå väsentliga förbättringar gentemot traditionella metoder. Det skulle vara intressant att undersöka om deep learning kan förbättra nederbördsprognoserna på kort tidsskala.

Uppdragsbeskrivning

  • Föreslå en metod där deep learning används för att prognostisera nederbörd i en gridmodell över Sverige.
  • Ge förslag på ett par deep learning arkitekturer baserat på litteraturstudier och småskaligt experimenterande.
  • Implementera de föreslagna arkitekturerna.
  • Utvärdera prestandan för de föreslagna arkitekturerna.

Kontaktperson:

Emelie Karlsson

SMHI / Swedish Meteorological and Hydrological

InstituteAffärsverksamheten - Utveckling

E-post / Email: emelie.karlsson@smhi.se

Tel vx/ Phone: +46 (0)11 495 80 00