要約
この草案では、モンスーンの 4 か月間におけるインド全土の降雨量を 1 日前および 3 日前に予測する問題を検討します。
$1^{\circ} \times 1^{\circ}$ の空間解像度で、IMD から $1901 ～ 2022$ の期間に取得したインドの過去の日次グリッド降水量データを使用してニューラル ネットワークをトレーニングします。
これは、NCEP (国立環境予測センター) から取得した 2011 年から 2022 年の期間の数値天気予報 (NWP) 予報と比較されます。
私たちは国全体の詳細な分析を実施し、インドで最も人口の多い都市のいくつかを個別に分析します。
私たちの結論は、過去の降雨量データに深層学習を適用することによって得られた予測は、NWP 予測や持続性に基づく予測と比較してより正確であるということです。
平均すると、私たちの予測と比較して、NCEP-NWP モデルによる予測では、1 日の予測では誤差が約 34% 高く、3 日の予測では誤差が 68% 以上高くなります。
同様に、持続性の推定では、1 日の予測では 29% 高い誤差が報告され、3 日の予測では 54% を超える誤差が報告されます。
さらに、トランスフォーマーベースの学習アーキテクチャの場合は、過去 20 日までのデータが 1 日および 3 日の予測の誤差を減らすのに役立ち、LSTM が使用されている場合は程度は低いこともわかります。
私たちの予備分析で示唆された重要な結論は、モンスーン予測に関連するより多くの多様なデータと慎重に選択されたニューラル ネットワーク アーキテクチャを組み合わせることで、NWP 予測を大幅に改善できるということです。
要約(オリジナル)
In this draft we consider the problem of forecasting rainfall across India during the four monsoon months, one day as well as three days in advance. We train neural networks using historical daily gridded precipitation data for India obtained from IMD for the time period $1901- 2022$, at a spatial resolution of $1^{\circ} \times 1^{\circ}$. This is compared with the numerical weather prediction (NWP) forecasts obtained from NCEP (National Centre for Environmental Prediction) available for the period 2011-2022. We conduct a detailed country wide analysis and separately analyze some of the most populated cities in India. Our conclusion is that forecasts obtained by applying deep learning to historical rainfall data are more accurate compared to NWP forecasts as well as predictions based on persistence. On average, compared to our predictions, forecasts from NCEP-NWP model have about 34% higher error for a single day prediction, and over 68% higher error for a three day prediction. Similarly, persistence estimates report a 29% higher error in a single day forecast, and over 54% error in a three day forecast. We further observe that data up to 20 days in the past is useful in reducing errors of one and three day forecasts, when a transformer based learning architecture, and to a lesser extent when an LSTM is used. A key conclusion suggested by our preliminary analysis is that NWP forecasts can be substantially improved upon through more and diverse data relevant to monsoon prediction combined with carefully selected neural network architecture.
arxiv情報
| 著者 | Apoorva Narula,Aastha Jain,Jatin Batra,Sandeep Juneja |
| 発行日 | 2024-02-12 17:59:20+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google