Pagina 3 di 28 PrimaPrima 1234513 ... UltimaUltima
Risultati da 21 a 30 di 271

Discussione: OTTOBRE : SARA' PIU' AUTUNNO CON MAGG. PRECIPITAZ. O SECCO { e caldo..} ?'

  1. #21
    Andrew
    Guest

    Predefinito

    LA MODUALZ. DELL'ONDA "P" , CHE COMANDA COME RIPETUTO SINO ALLA NOIA, LA FARA' DA PADRONA SULLA SCENA METEO ATLANTICO/EUROMEDITERRANEA -- SI FORMERA' ENTRO LA FINE DELLA 1A DECADE DEL EMSE, UNA MEGA-DEPRESSIONE AL LARGO BRITANNICO --

  2. #22
    Andrew
    Guest

    Predefinito


  3. #23
    Andrew
    Guest

    Predefinito

    INSOMMA , A QUANTO PARE UN BEL CHANGE DI ROTTA !!!

  4. #24
    Andrew
    Guest

    Predefinito

    Utilizzo dell'apprendimento automatico per "trasmettere" le precipitazioni in alta risoluzione

    [COLOR=rgba(0, 0, 0, 0.87)][COLOR=rgba(0, 0, 0, 0.54)]lunedì 13 gennaio 2020[/COLOR]
    [/COLOR]
    [COLOR=rgba(0, 0, 0, 0.87)][COLOR=rgba(0, 0, 0, 0.54)]Inserito da Jason Hickey, Senior Software Engineer, Google Research[/COLOR]

    Il tempo può influenzare la routine quotidiana di una persona in modi sia banali che seri e la precisione delle previsioni può influenzare fortemente il modo in cui lo affrontano. Le previsioni del tempo possono informare le persone se devono prendere una strada diversa per andare al lavoro, se devono riprogrammare il picnic pianificato per il fine settimana o anche se devono evacuare le loro case a causa di un temporale in arrivo. Ma fare previsioni meteorologiche accurate può essere particolarmente difficile per tempeste localizzate o eventi che si evolvono su scale temporali orarie, come i temporali.

    In " Apprendimento automatico per la trasmissione delle precipitazioni dalle immagini radar"", stiamo presentando una nuova ricerca sullo sviluppo di modelli di apprendimento automatico per la previsione delle precipitazioni che affronta questa sfida effettuando previsioni "senza fisica" altamente localizzate che si applicano all'immediato futuro. Un vantaggio significativo dell'apprendimento automatico è che l'inferenza è computazionalmente economica dato un modello già addestrato, consentendo previsioni quasi istantanee e nell'alta risoluzione nativa dei dati di input. Questo nowcasting delle precipitazioni, che si concentra su previsioni 0-6 ore, può generare previsioni con una risoluzione di 1 km con una latenza totale di soli 5-10 minuti, inclusi ritardi nella raccolta dei dati, superando i modelli tradizionali, anche in queste prime fasi di sviluppo.
    [/COLOR]

  5. #25
    Andrew
    Guest

    Predefinito

    [COLOR=rgba(0, 0, 0, 0.87)]Usiamo un approccio [/COLOR]privo di fisica[COLOR=rgba(0, 0, 0, 0.87)] basato sui dati, il che significa che la rete neurale imparerà ad approssimare la fisica atmosferica dai soli esempi di addestramento, non incorporando [/COLOR]una[COLOR=rgba(0, 0, 0, 0.87)] conoscenza a priori di come funziona effettivamente l'atmosfera. Trattiamo la previsione del tempo come un problema di traduzione da immagine a immagine e sfruttiamo l'attuale stato dell'arte nell'analisi delle immagini: le reti neurali convoluzionali (CNN).[/COLOR]

    [COLOR=rgba(0, 0, 0, 0.87)]Le CNN sono solitamente composte da una sequenza lineare di [/COLOR]livelli[COLOR=rgba(0, 0, 0, 0.87)] , dove ogni livello è un insieme di operazioni che trasformano alcune immagini di input in una nuova immagine di output. Spesso, un livello cambierà il numero di canali e la risoluzione complessiva dell'immagine che gli viene assegnata, oltre a convolure l'immagine con una serie di [/COLOR]filtri convoluzionali[COLOR=rgba(0, 0, 0, 0.87)]. Questi filtri sono essi stessi piccole immagini (per noi, in genere sono solo 3x3 o 5x5). I filtri guidano gran parte della potenza delle CNN e si traducono in operazioni come il rilevamento dei bordi, l'identificazione di schemi significativi, ecc.[/COLOR]

    [COLOR=rgba(0, 0, 0, 0.87)]Un tipo di CNN particolarmente efficace è l' [/COLOR]U-Net[COLOR=rgba(0, 0, 0, 0.87)] . Le U-Net hanno una sequenza di livelli che sono disposti in una fase di [/COLOR]codifica[COLOR=rgba(0, 0, 0, 0.87)] , in cui i livelli riducono iterativamente la risoluzione delle immagini che li attraversano, e quindi una fase di [/COLOR]decodifica[COLOR=rgba(0, 0, 0, 0.87)][/COLOR][COLOR=rgba(0, 0, 0, 0.87)]in cui le rappresentazioni a bassa dimensionalità dell'immagine create dalla fase di codifica vengono espansi a risoluzioni più elevate. La figura seguente mostra tutti i livelli nel nostro particolare U-Net. [/COLOR]

  6. #26
    Andrew
    Guest

    Predefinito

    4 - 6 OTTOBRE : UNA VIOLENTA PERTURBAZIONE C'INVESTIRA' !! FORTI PRECIPITAZIONI E VENTI -

  7. #27
    Andrew
    Guest

    Predefinito

    VIOLENTI VENTI PRDECERANNO IL FRONTE [ FIGLIO D'UNA TEMPESTA ATLANTICA ] -- 1A ACQUA ALTA A VENEZIA PER

    SCIROCCO MOLTO FORTE !! MAREGGIATE VIOLENTE SU COSTE TIRRENICHE , LIGURIA E SUD SARDEGNA ! ! !

  8. #28
    Andrew
    Guest

    Predefinito

    AVVISO : QUOD PRECIPITATIVO DAVVERO NOTEVOLE E MOLTO VIOLENTO , SCARICHERA' QUANT. D'ACQUA in mm. CHE METTIAMO QUI IN MAPPE -

  9. #29
    Andrew
    Guest

    Predefinito

    ALLERTE MAGGIORI , PER LAZIO E FRIULI -

  10. #30
    Andrew
    Guest

    Predefinito


Permessi di Scrittura

  • Tu non puoi inviare nuove discussioni
  • Tu non puoi inviare risposte
  • Tu non puoi inviare allegati
  • Tu non puoi modificare i tuoi messaggi
  •