Buchumschlag

Skillful High-Resolution Ensemble Precipitation Forecasting with an Integrated Deep Learning Framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	He, Shuangshuang, Liang, Hongli, Zhang, Yuanting, Yuan, Xingyuan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CNCast: Leveraging 3D Swin Transformer and DiT for Enhanced Regional Weather Forecasting
von: Liang, Hongli, et al.
Veröffentlicht: (2025)

FlowCast-ODE: Continuous Hourly Weather Forecasting with Dynamic Flow Matching and ODE Solver
von: He, Shuangshuang, et al.
Veröffentlicht: (2025)

Physics-Guided Inductive Spatiotemporal Kriging for PM2.5 with Satellite Gradient Constraints
von: Wang, Shuo, et al.
Veröffentlicht: (2025)

PCDCNet: A Surrogate Model for Air Quality Forecasting with Physical-Chemical Dynamics and Constraints
von: Wang, Shuo, et al.
Veröffentlicht: (2025)

Bridging the Gap Between Bayesian Deep Learning and Ensemble Weather Forecasts
von: Xiong, Xinlei, et al.
Veröffentlicht: (2025)

CasCast: Skillful High-resolution Precipitation Nowcasting via Cascaded Modelling
von: Gong, Junchao, et al.
Veröffentlicht: (2024)

Offline Reinforcement Learning with Discrete Diffusion Skills
von: Qiao, RuiXi, et al.
Veröffentlicht: (2025)

Deep Coupling Network For Multivariate Time Series Forecasting
von: Yi, Kun, et al.
Veröffentlicht: (2024)

SkillTree: Explainable Skill-Based Deep Reinforcement Learning for Long-Horizon Control Tasks
von: Wen, Yongyan, et al.
Veröffentlicht: (2024)

Skillful Kilometer-Scale Regional Weather Forecasting via Global and Regional Coupling
von: Chen, Weiqi, et al.
Veröffentlicht: (2026)

Location Agnostic Adaptive Rain Precipitation Prediction using Deep Learning
von: Islam, Md Shazid, et al.
Veröffentlicht: (2024)

An Explainable Ensemble Learning Framework for Crop Classification with Optimized Feature Pyramids and Deep Networks
von: Masud, Syed Rayhan, et al.
Veröffentlicht: (2026)

Ignite Forecasting with SPARK: An Efficient Generative Framework for Refining LLMs in Temporal Knowledge Graph Forecasting
von: Yin, Gongzhu, et al.
Veröffentlicht: (2025)

An Integrated Fusion Framework for Ensemble Learning Leveraging Gradient Boosting and Fuzzy Rule-Based Models
von: Li, Jinbo, et al.
Veröffentlicht: (2025)

An Experimental Study on Decomposition-Based Deep Ensemble Learning for Traffic Flow Forecasting
von: Zhu, Qiyuan, et al.
Veröffentlicht: (2024)

Quantifying Robustness: A Benchmarking Framework for Deep Learning Forecasting in Cyber-Physical Systems
von: Windmann, Alexander, et al.
Veröffentlicht: (2025)

MP-MoE: Matrix Profile-Guided Mixture of Experts for Precipitation Forecasting
von: Tran, Huyen Ngoc, et al.
Veröffentlicht: (2026)

Counterfactual Explanations for Deep Learning-Based Traffic Forecasting
von: Wang, Rushan, et al.
Veröffentlicht: (2024)

FedEAT: A Robustness Optimization Framework for Federated LLMs
von: Pang, Yahao, et al.
Veröffentlicht: (2025)

Exploring Machine Learning, Deep Learning, and Explainable AI Methods for Seasonal Precipitation Prediction in South America
von: Domingos, Matheus Corrêa, et al.
Veröffentlicht: (2025)

Climate Downscaling: A Deep-Learning Based Super-resolution Model of Precipitation Data with Attention Block and Skip Connections
von: Chiang, Chia-Hao, et al.
Veröffentlicht: (2024)

Integrating AI and Ensemble Forecasting: Explainable Materials Planning with Scorecards and Trend Insights for a Large-Scale Manufacturer
von: Venkatachalam, Saravanan
Veröffentlicht: (2025)

Improving Ensemble Forecasts of Abnormally Deflecting Tropical Cyclones with Fused Atmosphere-Ocean-Terrain Data
von: Li, Qixiang, et al.
Veröffentlicht: (2026)

Context-Aware Probabilistic Modeling with LLM for Multimodal Time Series Forecasting
von: Yao, Yueyang, et al.
Veröffentlicht: (2025)

Interpretable Physics-Informed Load Forecasting for U.S. Grid Resilience: SHAP-Guided Ensemble Validation in Hybrid Deep Learning Under Extreme Weather
von: Abubakkar, Md, et al.
Veröffentlicht: (2026)

Deep Learning for Time Series Forecasting: A Survey
von: Kong, Xiangjie, et al.
Veröffentlicht: (2025)

DistPred: A Distribution-Free Probabilistic Inference Method for Regression and Forecasting
von: Liang, Daojun, et al.
Veröffentlicht: (2024)

Improving Academic Skills Assessment with NLP and Ensemble Learning
von: Huang, Xinyi, et al.
Veröffentlicht: (2024)

Advancing Robustness in Deep Reinforcement Learning with an Ensemble Defense Approach
von: Mohan, Adithya, et al.
Veröffentlicht: (2025)

The Two-Stage Decision-Sampling Hypothesis: Understanding the Emergence of Self-Reflection in RL-Trained LLMs
von: Zhao, Zibo, et al.
Veröffentlicht: (2026)

Graph Deep Learning for Time Series Forecasting
von: Cini, Andrea, et al.
Veröffentlicht: (2023)

The Disparate Benefits of Deep Ensembles
von: Schweighofer, Kajetan, et al.
Veröffentlicht: (2024)

UACER: An Uncertainty-Adaptive Critic Ensemble Framework for Robust Adversarial Reinforcement Learning
von: Wu, Jiaxi, et al.
Veröffentlicht: (2025)

A Deep Learning Framework for Heat Demand Forecasting using Time-Frequency Representations of Decomposed Features
von: Ramachandran, Adithya, et al.
Veröffentlicht: (2026)

Applying Ensemble Models based on Graph Neural Network and Reinforcement Learning for Wind Power Forecasting
von: Song, Hongjin, et al.
Veröffentlicht: (2025)

Advanced Torrential Loss Function for Precipitation Forecasting
von: Choi, Jaeho, et al.
Veröffentlicht: (2025)

Progressive Supervision via Label Decomposition: An Long-Term and Large-Scale Wireless Traffic Forecasting Method
von: Liang, Daojun, et al.
Veröffentlicht: (2025)

Deep Frequency Derivative Learning for Non-stationary Time Series Forecasting
von: Fan, Wei, et al.
Veröffentlicht: (2024)

Crime Forecasting: A Spatio-temporal Analysis with Deep Learning Models
von: Mao, Li, et al.
Veröffentlicht: (2025)

Introducing PetriRL: An Innovative Framework for JSSP Resolution Integrating Petri nets and Event-based Reinforcement Learning
von: Lassoued, Sofiene, et al.
Veröffentlicht: (2024)