Väderprognoser med deep learning (30 hp)

SMHI:s  affärsverksamhet söker en eller möjligen två studenter till ett examensarbete under vårterminen 2017. Examensarbetet kommer att undersöka om det är möjligt skapa en Deep learning prognos modell genom att träna på analysdata.

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