Bakgrund
Model output statistics (MOS) är en vätetablerad metodik för att reducera systematiska prognosfel. Traditionellt sett har Stepwise regression använts inom MOS för att hitta samband mellan parameterar från den numeriska vädermodellen och prognosfelet.
En nackdel med MOS är att processen att hitta kandidatuttryck som används so indata till Stepwise regression kan vara tidskrävande och kräva detaljerade kunskaper om den numeriska vädermodellen.
Deep neural networks har inom en rad tillämpningar reducerat behovet av manuellt skapade ”features”. Det kan därför vara intressant att undersöka om Deep Neural Networks kan vara ett alternativ till traditionell MOS.
Uppdragsbeskrivning
- Föreslå ett par Deep Learning arkitekturer baserat på litteraturstudier och småskaligt experimenterande
- Implementera de föreslagna arkitekturerna
- Utvärdera prestandan för de föreslagna arkitekturerna
Kontaktperson
Fredrik Karlsson
SMHI / Swedish Meteorological and Hydrological Institute
Affärsverksamheten - Utveckling
E-post / Email: fredrik.karlsson@smhi.se
Tel vx/ Phone: +46 (0)11 495 80 00