Key points are not available for this paper at this time.
ملخص إن التنبؤ بالتسارع السريع (RI) للأعاصير المدارية (TCs) أمر حاسم في التنبؤ التشغيلي. تعتمد الأنشطة الإحصائية على استخلاص الميزات المدفوعة من قبل الإنسان وترابط المتنبئات للتنبؤ بكثافات TC. يوفر التعلم العميق فرصة لتحسين التنبؤ إذا تم دمج البيانات، بما في ذلك الصور الساتلية لمؤشرات TC ومؤشرات البيئة التقليدية، بشكل صحيح من قبل الشبكات العصبية العميقة. تظهر هذه الدراسة أن التعلم العميق يوفر أداءً محسّنًا في التنبؤ بالكثافة وRI عن طريق التعامل مع المعلمات البيئية/المتعلقة بـ TC المحددة من قبل الإنسان والمعلومات المستخرجة من الصور الساتلية في وقت واحد. من الناحية التشغيلية والعملية، نستخدم مجموعة من 20 نموذج تعلم عميق بتصاميم شبكات عصبية مختلفة وتركيبات إدخال للتنبؤ بتوزيعات الكثافة بعد +24 ساعة. استنادًا إلى توزيع الكثافة المستند إلى التنبؤ الجماعي، يمكن للمتنبئين بسهولة التنبؤ بقيمة كثافة محددة مطلوبة في العمليات ويكونون على دراية بفرصة RI وعدم اليقين في التنبؤ. مقارنة بالتنبؤات التشغيلية المقدمة للأعاصير المدارية في المحيط الهادئ الغربي، تحقق نتائج مجموعة التعلم العميق احتمالات كشف RI أعلى ونسب إنذار كاذب أقل.
درس تشين وآخرون (الأربعاء) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: