Benutzer: Gast  Login
Originaltitel:
Data-Driven Modeling and Analysis of Numerical Weather Predictions
Übersetzter Titel:
Datengetriebene Modellierung und Analyse von numerischen Wettervorhersagen
Autor:
Höhlein, Kevin
Jahr:
2025
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Institution:
Informatik 15 - Lehrstuhl für Grafik und Visualisierung (Prof. Westermann)
Betreuer:
Westermann, Rüdiger (Prof. Dr.)
Gutachter:
Westermann, Rüdiger (Prof. Dr.); Günther, Tobias (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik; NAT Naturwissenschaften (allgemein)
TU-Systematik:
DAT 780; DAT 750
Kurzfassung:
Weather prediction systems generate vast numerical simulation datasets that require statistical postprocessing and interactive human exploration. In this thesis, we develop deep-learning-based methods for postprocessing weather predictions and representing the forecasts for subsequent analysis. We use neural networks to enhance the spatial resolution of weather forecasts and postprocess ensemble predictions, and adapt neural networks as compact representations for volumetric ensemble datasets.
Übersetzte Kurzfassung:
Wettervorhersagesysteme generieren große numerische Simulationsdatensätze, die statistisch nachbearbeitet und untersucht werden müssen. In dieser Arbeit entwickeln wir Deep-Learning-basierte Methoden zur Nachbearbeitung und Repräsentation von Wettervorhersagen. Wir nutzen neuronale Netze, um die räumliche Auflösung von Wettervorhersagen zu erhöhen und um Ensemblevorhersagen nachzubearbeiten, und adaptieren neuronale Netze um volumetrische Ensembledatensätze zu enkodieren.
WWW:
https://mediatum.ub.tum.de/?id=1754024
Eingereicht am:
23.09.2024
Mündliche Prüfung:
10.01.2025
Dateigröße:
48711318 bytes
Seiten:
243
Urn (Zitierfähige URL):
https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20250110-1754024-0-4
Letzte Änderung:
28.01.2025
 BibTeX