Xây dựng công cụ ước lượng mưa từ độ phản hồi radar bằng công nghệ AI

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Hồng Hoạt Đỗ, Ngọc Quyền Lê, Công Thành Nguyễn, Diệu Hồng Vũ

Ngôn ngữ: Vie

Ký hiệu phân loại:

Thông tin xuất bản: Khí tượng Thủy văn 2023

Mô tả vật lý: 70-80

Bộ sưu tập: Metadata

ID: 408186

Thêm vào giỏ Liên kết toàn văn

Tóm tắt
Chủ đề

Số liệu ra đa thời tiết là nguồn số liệu rất hữu hiệu được sử dụng để phân tích và dự báo thời tiết, đặc biệt là trong việc cảnh báo hạn cực ngắn phục vụ dự báo. Việc sử dụng hiệu quả và kịp thời số liệu radar sẽ mang lại ý nghĩa rất lớn. Do đó, nghiên cứu xây dựng công cụ ước lượng mưa bằng công nghệ trí tuệ nhận tạo (AI) trong việc sử dụng số liệu radar vào dự báo mưa hạn cực ngắn. Mô hình Convolutional Neural Networks (CNN) với cơ sở Rainet được dùng để tính toán và ước lượng mưa từ ảnh radar Nhà Bè, với dữ liệu các tháng mùa mưa từ tháng 5 đến tháng 11 năm 2019 và năm 2020 dùng để huấn luyện mô hình. Nghiên cứu đã áp dụng số liệu năm 2021 để kiểm nghiệm kết quả. Đánh giá các trường hợp cho thấy khả năng ước lượng mưa của công cụ là tương đối tốt về khả năng xảy ra mưa
về lượng mưa đa phần nhỏ hơn so với thực tế, tuy nhiên, sai số cũng không quá lớn., Tóm tắt tiếng anh, Radar data is very effective in nowcasting and warning of heavy rain and floods for major cities and river basins. Effective and appropriate use of radar data is very important. Therefore, this study builds a rain estimator using Artificial Intelligence (AI) Technology in using radar data to forecast extremely short-term rainfall. Convolutional Neural Networks (CNN) model with Rainet basis is used to calculate and estimate rain from Nha Be radar images, with data of rainy season months from May to November 2019 and 2020 used to train the model. The study applied the 2021 data to test the results. Evaluation of the cases shows that the tool's ability to estimate precipitation is relatively good in terms of the probability of rain occurrence
rainfall is mostly smaller than reality, however, the bias is not too large.

Tạo bộ sưu tập với mã QR