10년 기상 레이더 아카이브를 이용한 강수 증가 및 감소 예측: 확률적 기계 학습 접근법

초록 기계 학습 알고리즘은 스위스 알프스에 있는 10년 기상 레이더 복합 이미지 아카이브에서 훈련되어 다음 몇 시간 내의 강수 증가 및 감소를 이동 좌표계(라그랑지안 프레임)에서 예측합니다. 이 연구의 가설은 산악 지역에서의 증가와 감소가 예측 가능성이 더 높다는 것으로, 이는 기계 학습 방법에 의한 실질적인 예측 가능성의 잠재적 원천을 나타냅니다. 본 논문에서는 인공 신경망(ANN)을 사용하여 증가와 감소를 입력 예측 변수인 지리적 위치, 중규모 운동 벡터, 결빙 수준 높이, 그리고 하루 중 시간을 연결하는 복잡한 비선형 의존성을 학습합니다. 평균적인 장기 증가 및 감소 패턴은 ANN에 의해 효과적으로 재현되어, 모든 예측 변수 조합에 대한 기후학적 탐색이 가능합니다. 증가와 감소의 내재된 낮은 예측 가능성으로 인해, 실시간 예측은 더 도전적이지만, 예측 변수에 과거 직전의 증가 및 감소와 강수 강도 정보를 추가하면 상당히 개선됩니다. 흐름 방향에 따라, ANN 예측의 평균제곱근 오차는 지속성에 비해 20%~30% 낮출 수 있어 산악 지역에서 개선이 크게 나타납니다. 강수 예측과 관련하여 큰 불확실성이 존재하므로, 결정론적 기계 학습 예측은 예측 불확실성을 위한 모델과 결합되어야 합니다. 따라서, 우리는 분위수 결정 트리와 ANN의 조합을 기반으로 예측 구간을 추정하여 확률적 관점을 고려합니다. 확률적 프레임워크는 오류 최소화에 의해 얻어진 결정론적 기계 학습 예측의 조건부 편향 문제를 다루려는 시도입니다.