NowcastNet¶
暂无
# linux
wget https://paddle-org.bj.bcebos.com/paddlescience/datasets/nowcastnet/mrms.tar
# windows
# curl https://paddle-org.bj.bcebos.com/paddlescience/datasets/nowcastnet/mrms.tar --output mrms.tar
tar -xvf mrms.tar -C datasets/
python nowcastnet.py mode=eval EVAL.pretrained_model_path=https://paddle-org.bj.bcebos.com/paddlescience/models/nowcastnet/nowcastnet_pretrained.pdparams
1. 背景简介¶
近年来,深度学习方法已被应用于天气预报,尤其是雷达观测的降水预报。这些方法利用大量雷达复合观测数据来训练神经网络模型,以端到端的方式进行训练,无需明确参考降水过程的物理定律。 这里复现了一个针对极端降水的非线性短临预报模型——NowcastNet,该模型将物理演变方案和条件学习法统一到一个神经网络框架中,实现了端到端的优化。
2. 模型原理¶
本章节仅对 NowcastNet 的模型原理进行简单地介绍,详细的理论推导请阅读 Skilful nowcasting of extreme precipitation with NowcastNet。
模型的总体结构如图所示:
模型使用预训练权重推理,接下来将介绍模型的推理过程。
3. 模型构建¶
在该案例中,用 PaddleScience 代码表示如下:
examples/nowcastnet/conf/nowcastnet.yaml | |
---|---|
其中,input_keys
和 output_keys
分别代表网络模型输入、输出变量的名称。
4 模型评估可视化¶
完成上述设置之后,将上述实例化的对象按顺序传递给 ppsci.solver.Solver
:
examples/nowcastnet/nowcastnet.py | |
---|---|
然后构建 VisualizerRadar 生成图片结果:
5. 完整代码¶
6. 结果展示¶
下图展示了模型的预测结果和真值结果。
最后更新:
November 14, 2023
创建日期: November 14, 2023
创建日期: November 14, 2023