Temperature forecasting by deep learning methods
Abstract m temperature for the next 12 h over Europe. We make use of 13 years of data from the ERA5 reanalysis, of which 11 years are utilized for training and 1 year each is used for validating and testing. We choose the 2 m temperature, total cloud cover, and the 850 hPa temperature as predictors and show that both models attain predictive skill by outperforming persistence forecasts. SAVP is superior to ConvLSTM in terms of several evaluation metrics, confirming previous results from computer vision that larger, more complex networks are better suited to learn complex features and to generate better predictions. The 12 h forecasts of SAVP attain a mean squared error (MSE) of about 2.3 K 2 r G K 2 r G K 2 hPa temperature as an additional predictor enhances the forecast quality, and the model also benefits from a larger spatial domain. By contrast, adding the total cloud cover as predictor or reducing the amount of training data to 8 years has only small effects. Although the temperature forecasts obtained in this way are still less powerful than contemporary NWP models, this study demonstrates that sophisticated deep neural networks may achieve considerable forecast quality beyond the nowcasting range in a purely data-driven way.
- Location
-
Deutsche Nationalbibliothek Frankfurt am Main
- Extent
-
Online-Ressource
- Language
-
Englisch
- Bibliographic citation
-
Temperature forecasting by deep learning methods ; volume:15 ; number:23 ; year:2022 ; pages:8931-8956 ; extent:26
Geoscientific model development ; 15, Heft 23 (2022), 8931-8956 (gesamt 26)
- Creator
-
Gong, Bing
Langguth, Michael
Ji, Yan
Mozaffari, Amirpasha
Stadtler, Scarlet
Mache, Karim
Schultz, Martin
- DOI
-
10.5194/gmd-15-8931-2022
- URN
-
urn:nbn:de:101:1-2022121504172999280968
- Rights
-
Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
- Last update
-
15.08.2025, 7:21 AM CEST
Data provider
Deutsche Nationalbibliothek. If you have any questions about the object, please contact the data provider.
Associated
- Gong, Bing
- Langguth, Michael
- Ji, Yan
- Mozaffari, Amirpasha
- Stadtler, Scarlet
- Mache, Karim
- Schultz, Martin
Other Objects (12)
Die Wohlangelegte Zeit, Als Der Wohl-Ehrenveste, Vorachtbare und Wohlgelahrte Herr Joh. Georg Hocheisen, Ulm. Der Heil. Schrifft rühmlichst Ergebener, Die Längst-Verdiente Magister-Würde, Die 28. Aprilis, Anno 1701. Auff der Weltberühmten Universität Wittemberg, rühmlichst empfangen, Glückwünschend vorgestellt Von dessen allda Mitstudierenden Lands-Leuten
Klag- und Trost-Schrift/ Welche Uber den höchstbetrauerlichen, doch seeligen Abschied Des weyland ... Martin Schultzen Königl. Preuß. Hinter-Pommersch. Land-Rahts ... Als Dessen entseelter Cörper Den 27. Decembr. 1724. in der Collegial-Kirchen zu St. Marien Bey Hochansehnlicher Versammlung zu Seiner Ruhe-Stätte gebracht wurde, Der hinterlassenen Hochbetrübten Frau Wittwen, Denen schmertzlich betrübten Kindern Und sämmtlichen Vornehmen Angehörigen zu einiger Gemüths-Beruhigung Willigst und schuldigst entwerffen wollen Des Colbergschen Seegler-Hauses Verwandte
Der Biß in seinen Todt Gottfürchtende Abraham/ Unserer Zeit/ Der Magnificus ... Abraham Calovius, Umb die gantze Evangelische Kirche Höchstverdientester Theologus ... : Ward zum Exempel heiliger Nachfolge/ Seinen geistlichen Kindern/ ja allen Heiligen und Geliebten Gottes/ als man dessen Gott-geheiligten Leichnam Den IV. Martii, dieses 1686. Jahrs/ In der Pfarr-Kirchen Bey überausgrosser Versammlung zur Ruhe bracht/