Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Structure preserving limited area weather modelling

Opis projektu

Uczenie głębokie z zachowaniem struktury pozwoli ulepszyć lokalne modele pogody

Dokładne regionalne prognozy pogody mają ogromne znaczenie w świetle pogłębiającego się kryzysu klimatycznego i coraz częstszego występowania fal skrajnych temperatur. W tym celu stosuje się modele regionalne (ang. limited area models, LAM), działające w wysokiej rozdzielczości, dzięki czemu są w stanie uchwycić szczegółowe cechy pogodowe. Są one jednak połączone z globalnym systemem prognozowania – Global Forecast System – który działa w niższej rozdzielczości, przez co nie jest w stanie uwzględnić tych bardziej szczegółowych cech. Finansowany w ramach działań „Maria Skłodowska-Curie” projekt GeometricLAMs wykorzystuje techniki uczenia głębokiego do dokładnego pozyskiwania szczegółowych struktur pogodowych, które są niezbędne do integracji LAM z modelami globalnymi. Głównym celem projektu jest opracowanie nowych rozwiązań technologicznych wykorzystujących uczenie głębokie z zachowaniem struktury, co zoptymalizuje połączenie tych modeli w sposób deterministyczny. Inicjatywa ta jest zgodna z modelami atmosfery opracowywanymi przez brytyjską służbę meteorologiczną Met Office.

Cel

As the climate crisis progresses, and we see an increase in extreme temperatures, the importance of accuracy in regional weather forecasting significantly increases. These regional models, or limited area models (LAMs), run at the highest feasible resolution to well resolve fine grain features in the model. Due to the global nature of the atmosphere, LAMs are coupled to a global forecast model, which due to the larger size must run at a coarser resolution and does not see the fine grain structures. This project will increase the accuracy of this coupling between LAM and global model. Specifically, the core focus is to utilise deep learning to recover accurate fine grain structures from a coarse global model to be incorporated as boundary data to the LAM.

The philosophy followed is that if one wants to couple two models it is paramount to preserve the physical structures between the two models. One may think of such structures as conserved quantities here. In addition to utilising this philosophy to optimise the coupling between models in the traditional (deterministic) sense, new technologies in structure preserving deep learning will be developed. These aim to resolve the fine grain features to be qualitatively consistent with a global model ran at high resolution.

This is an interesting problem from a mathematical perspective as it applies expertise from numerical analysis and geometric numerical integration to develop the field of machine learning.

This project has been designed to be in line with the UK Met Office atmospheric models and is of high research interest to them.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2022-PF-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET NTNU
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 210 911,04
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

Brak danych

Partnerzy (1)

Moja broszura 0 0