雷鋒網(wǎng) AI 科技評(píng)論按：由深圳氣象局與阿里巴巴聯(lián)合承辦的CIKM AnalytiCup 2017第一賽季已經(jīng)宣告結(jié)束。本次比賽的目標(biāo)是利用雷達(dá)數(shù)據(jù)（多普勒雷達(dá)回波外推數(shù)據(jù)），來(lái)建立一個(gè)準(zhǔn)確的降水預(yù)報(bào)模型。

這次比賽吸引了1395支隊(duì)伍參賽，排行榜也已在阿里天池平臺(tái)進(jìn)行公示。

在這次比賽中，來(lái)自中國(guó)科學(xué)院的懷北村明遠(yuǎn)湖隊(duì)（隊(duì)員Zhang Rui, Qiao Fengchun, Guo Ran）在GitHub上分享了自己的代碼和方法，他們?cè)诘谝浑A段獲得第三名，第二階段獲得第四名。雷鋒網(wǎng) AI科技評(píng)論將他們發(fā)布的內(nèi)容進(jìn)行了整理，如下：

背景介紹

在這次比賽中，主辦方提供了一組不同時(shí)間跨度（間隔為6分鐘，共15個(gè)時(shí)間跨度）和不同高度下（0.5km、1.5km、2.5km、3.5km）測(cè)量的雷達(dá)圖，每個(gè)雷達(dá)圖都包含目標(biāo)站點(diǎn)和目標(biāo)站點(diǎn)周圍區(qū)域的雷達(dá)反射率值。每個(gè)雷達(dá)圖覆蓋以目標(biāo)站點(diǎn)為中心，面積為101 * 101平方公里的區(qū)域。該區(qū)域被標(biāo)記為101×101格，目標(biāo)站點(diǎn)位于中心，即（50,50）。

數(shù)據(jù)集中包含真實(shí)的雷達(dá)圖和氣象觀測(cè)中心收集到的目標(biāo)站點(diǎn)降水量。

比賽的任務(wù)是預(yù)測(cè)在未來(lái)1-2個(gè)小時(shí)內(nèi)每個(gè)目標(biāo)站點(diǎn)的總降雨量。

數(shù)據(jù)處理過(guò)程

Percentil Method百分位數(shù)法

他們采用統(tǒng)計(jì)的方法來(lái)降低雷達(dá)數(shù)據(jù)的維度。對(duì)于每個(gè)雷達(dá)圖，他們對(duì)目標(biāo)站附近到整個(gè)地圖范圍內(nèi)不同大小的區(qū)域都選取了雷達(dá)反射率值的25、50、75、100百分位。

圖：以目標(biāo)站點(diǎn)為中心選取不同的區(qū)域

Wind法

他們首先將原始數(shù)據(jù)(15*4*101*101)壓縮成稍小的數(shù)據(jù)(15*4*10*10)，然后通過(guò)判斷風(fēng)向，將數(shù)據(jù)壓縮到15*4*6*6個(gè)特征。整個(gè)預(yù)處理過(guò)程都是利用卷積神經(jīng)網(wǎng)絡(luò)的方法，特別是卷積運(yùn)算和最大池化。

圖：卷積計(jì)算表征

圖：池化計(jì)算表征

他們利用第四層的數(shù)據(jù)來(lái)判斷風(fēng)向。然后，為了計(jì)算最終風(fēng)向，用兩種方法來(lái)選擇有代表性的數(shù)據(jù)。第一種方法在每10*10單元中使用最大的值作為表征，第二種方法則采用最大的5個(gè)數(shù)據(jù)的平均值作為表征。

在選出有代表性的數(shù)據(jù)之后，通過(guò)每?jī)蓚€(gè)時(shí)間間隔之間數(shù)據(jù)的偏差值算出移動(dòng)方向，最終基于給定的閾值統(tǒng)計(jì)不同移動(dòng)方向的數(shù)目，按照數(shù)目最多移動(dòng)方向的確定最終風(fēng)向。

圖：當(dāng)風(fēng)向?yàn)槲?、西北、西南時(shí)提取特征的方法

模型

在這次任務(wù)中，他們的模型結(jié)合了Random Forestry、XGBoost和雙向GRU單元（Bidirectional Gated Recurrent Unit）等，得出了較為滿意的結(jié)果。

運(yùn)用的工具

Python 3.6

Keras

XGBoost

Sklearn

他們的代碼：https://github.com/zxth93/CIKM_AnalytiCup_2017

via：GitHub

雷鋒網(wǎng) AI科技評(píng)論

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。