Физика > Атмосферная и океаническая физика [Представлено 13 августа 2026 (v1), последний пересмотренный вариант 10 сентября 2026 года (настоящий вариант, v2)) Название: HTML (экспериментальное резюме): Метод "Остаточного сохранения U-Net" описывается для вероятностного количественного прогнозирования осадков (PQF), который предсказывает почасовую вероятность отсутствия осадков плюс распределение положительных осадков от взвешенной смеси из двух гамма-распределений. Нейронная сеть проходит подготовку по пятнам количества осадков, спрогнозируемых в течение часов на основе модели ГРАФ для конвекции (глобального прогнозирования атмосферы с высоким разрешением), а также информации о местности и средней относительной влажности колонок из Глобальной системы прогнозов Национального управления океана и атмосферы (ГСОА). Целевыми данными являются данные НОАА, полученные с помощью нескольких Radar и с корректировкой на МРПМ при помощи датчика контроля качества радиолокационных данных, отобранных в той же сети, что и данные ГРАФ. Сеть выпускает параметры распределения для каждой точки сетки модели. В процессе подготовки в качестве правильного правила баллов используется отрицательное log-сходство с климатологической инициализацией для обеспечения стабильного сближения. Причина этого заключается в том, что она представляет собой единый передний проход по примыкающему домену Соединенных Штатов (КОНУС), с помощью которого для удовлетворения требований сети к пространственной различимости…
:: Калибровка высокого разрешения, ожидаемая в течение часа на основе детерминистского прогноза
arXiv: 2608.12685v2 Тип уведомления: заменить перекрестное резюме: метод "Остаточного сохранения U-Net" описывается для вероятностного количественного прогнозирования осадков (PQF), который предсказывает почасовую вероятность отсутствия осадков плюс распределение положительных осадков в результате взвешенной смеси из двух гамма-распределений. Нейронная сеть проходит подготовку по пятнам количества осадков, спрогнозируемых в течение часов на основе модели ГРАФ для конвекции (глобального прогнозирования атмосферы с высоким разрешением), а также информации о местности и средней относительной влажности колонок из Глобальной системы прогнозов Национального управления океана и атмосферы (ГСОА). Целевыми данными являются данные НОАА, полученные с помощью нескольких Radar и с корректировкой на МРПМ при помощи датчика контроля качества радиолокационных данных, отобранных в той же сети, что и данные ГРАФ. Сеть выпускает параметры распределения для каждой точки сетки модели. В процессе обучения в качестве правила баллов используется отрицательное log-ligated by rule, cl
