【论文泛读03】卷积LSTM网络：一种短时降雨量预测的机器学习方法

贴一下汇总贴：论文阅读记录

论文链接：《Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting》

一、摘要

短时降雨量预报的目的是预测局部地区在较短时间内的未来降雨强度。以前很少有研究从机器学习的角度来研究这一至关重要且具有挑战性的天气预报问题。在本文中，我们将短时降雨量预报定义为一个输入和预报目标都是时空序列的预测问题。通过扩展全连接LSTM (FC-LSTM)，使其在输入到状态和状态到状态的转换中都具有卷积结构，我们提出了卷积LSTM (ConvLSTM)，并利用它建立了短时降雨量预报问题的端到端的可训练模型。实验表明，我们的ConvLSTM网络能够更好地捕捉到短时降雨量预报的时空相关性，并始终优于FC-LSTM和最先进的operational ROVER算法。

文章主要内容

目标是在相对较短的时间，内准确和及时地预测局部地区的降雨强度，即利用以前观测到的雷达回波序列预测局部区域未来固定长度的雷达图。

短时降水预报实质上是一个以过去雷达图序列为输入，以未来雷达图的一个固定数字序列为输出的时空序列预报问题。

提出了一种用于降水临近预报的卷积 LSTM (ConvLSTM)网络。我们将降水临近预报问题定义为一个时空序列预测问题，为了更好地模拟时空关系，我们将FC-LSTM 的思想推广到卷积结构的 ConvLSTM&