来源

github地址

是什么

本资料库旨在阐述 "在应用于降雨预报的深度学习模型中合并雷达雨量图像和风速预测 "（ “Merging radar rain images and wind predictions in a deep learning model applied to rain nowcasting”）一文中提出的深度学习模型的训练程序。该论文旨在训练一个神经网络，通过将雨量雷达数据与天气预报模型的风速预测相结合来预测短期和中期的降水。

示范

下载目录：

git clone https://gitlab.com/Vincentbouget/rain-nowcasting-using-deep-learning.git

安装python模块（用pyenv）和下载数据：

./setup.sh

训练模型并进行预测：

./run_jupyter.sh

数据

用于训练网络的数据是MeteoNet数据库（https://meteonet.umr-cnrm.fr/），该数据库提供了2016年至2018年法国境内的气象参数，关于预处理的详细信息请参见论文。整个数据库对于一个简单的演示器来说太大，我们提供了2016、2017和2018年2月和3月的预处理数据。雨和风的预处理数据可以直接在https://www-pequan.lip6.fr/~bereziat/rain-nowcasting/data.tar.gz（数据通过./setup.sh下载）。

该仓库的用途

Train.ipynb是一个介绍训练过程的jupyter笔记本。首先要确保满足requirements.txt中指定的要求，然后下载数据和补丁，最后你可以调整训练参数来影响训练过程。

可视化

在训练过程中，几个参数被保存下来（损失，F1得分，输入，预测…），并可以使用tensorboard实时可视化。该命令详见train.py中的 "可视化结果 "单元。

模型

所用的模型类似于UNet，其结构如下图所示：

我们在’权重’目录中提供了30分钟和1小时的预训练模型，用于预测。