Abstract: S. Ojeda, G. Solano, E. Peramo (2020)

Proceedings of the International Conference on Artificial Intelligence in Information and Communication (ICAIIC 2020), 33–38p. (2020) DOI:10.1109/ICAIIC48513.2020.9065238

Multivariate Time Series Imaging for Short-Term Precipitation Forecasting Using Convolutional Neural Networks

In this work, we explore the use of Convolutional Neural Networks to forecast discretized rainfall intensity by transforming multivariate time series data into image representations using Recurrence Plots (RP). A Convolutional Neural Network (CNN) architecture which takes these image representations in order to produce classification forecasts is proposed. Experimental results in classifying DOST-PAGASA' 's color-coded rainfall advisory yield 96.27% 10-fold cross validation accuracy with a configuration of 24-hour lag and 6-hour forecast horizon.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.