Bakgrund
Den vanligaste metoden för att göra väderprognoser är att avvända sig av en fysikaliskmodell i kombination med en numerisklösare. Det är en metodik som är beräkningstung och kräver stora datorresurser.
En betydligt mer beräkningseffektiv metod är att använda en statistikmodell. Dock brukar de statistiskamodellerna bara ha godtagbar prognoskvalitet på kort tidskala, upp till 12 timmar.
Traditionellt har de statistiskamodellerna varit baseras på lokal observationsdata men för att göra prognoser på längre tidsskalor behöver man ta hänsyn till mer storskaliga väderfenomen.
Ett möjligt sätt att bygga en statistiskamodell som tar hänsyn till mer storskaliga väderfenomen är att träna Deep Neural Networks med analysfält.
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