ČVUT DSpace
  • Prohledat DSpace
  • English
  • Přihlásit se
  • English
  • English
Zobrazit záznam 
  •   ČVUT DSpace
  • České vysoké učení technické v Praze
  • Fakulta informačních technologií
  • katedry
  • katedra aplikované matematiky
  • Bakalářské práce - 18105
  • Zobrazit záznam
  • České vysoké učení technické v Praze
  • Fakulta informačních technologií
  • katedry
  • katedra aplikované matematiky
  • Bakalářské práce - 18105
  • Zobrazit záznam
JavaScript is disabled for your browser. Some features of this site may not work without it.

Techniky strojového učení pro předpovídání extrémních meteorologických událostí

Machine learning techniques for weather events forecasting

Typ dokumentu
bakalářská práce
bachelor thesis
Autor
Tommy Chu
Vedoucí práce
Kovalenko Alexander
Oponent práce
Pihrt Jiří
Studijní obor
Umělá inteligence 2021
Studijní program
Informatika
Instituce přidělující hodnost
katedra aplikované matematiky



Práva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznam
Abstrakt
Přesná předpověď extrémního počasí je klíčová pro bezpečnost veřejnosti a minimalizaci škod. Současné metody hlubokého učení pro krátkodobou předpověď počasí se často potýkají s řídkým výskytem a komplexní dynamikou extrémních povětrnostních jevů, což vede k prostorově neostrým předpovědím, podhodnocování kritických událostí a neefektivnímu využití parametrů modelů. Tato práce identifikuje hlavní nedostatky a experimentálně ověřuje řešení pro nowcasting intenzivních srážek. K řešení těchto problémů práce zkoumá alternativní ztrátové funkce a fyzikálně založené modely pro redukci prostorové neostrosti. Pro zlepšení predikce závažných událostí se v práci využívají vážené ztrátové funkce a vícefázové modely. Dále se zkoumá dekompozice úkolů pro efektivnější využití parametrů při učení atmosférických procesů. V závěru práce poskytuje praktické poznatky pro zlepšení strojového učení v předpovídání extrémního počasí a navrhuje metody pro zvýšení přesnosti optimalizací vizuální věrnosti nebo dekompozicí složitých úkolů na menší, zvládnutelné dílčí problémy, s cílem dosáhnout robustnějších predikcí.
 
Accurate extreme weather forecasting is crucial for public safety and minimizing damage. Current deep learning methods for short-term weather forecasting often struggle with the rare and complex dynamics of extreme weather, leading to blurry spatial predictions, underprediction of critical events, and inefficient parameter use. This thesis identifies key shortcomings and experimentally verifies solutions for severe precipitation nowcasting. To address these issues, this research explores alternative structure-based losses and physics-informed models to reduce spatial blurriness. It also utilizes weighted losses and mixture models to improve severe event prediction and investigates task decomposition to enhance parameter efficiency in learning atmospheric processes. The findings offer practical insights for improving machine learning in extreme weather forecasting. They suggest methods to increase accuracy by optimizing for visual fidelity or by decomposing complex forecasting tasks into smaller, manageable sub-problems for robust predictions.
 
URI
http://hdl.handle.net/10467/124324
Kolekce
  • Bakalářské práce - 18105 [369]

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Kontaktujte nás | Vyjádření názoru
Theme by 
@mire NV
 

 

Užitečné odkazy

ČVUT v PrazeÚstřední knihovna ČVUTO digitální knihovně ČVUTInformační zdrojePodpora studiaPodpora publikování

Procházet

Vše v DSpaceKomunity a kolekceDle data publikováníAutořiNázvyKlíčová slovaTato kolekceDle data publikováníAutořiNázvyKlíčová slova

Můj účet

Přihlásit se

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Kontaktujte nás | Vyjádření názoru
Theme by 
@mire NV