Publication

Portability of Single-Station ML.Based Lightning Nowcasting Models

Farhad Rachidi-Haeri, Amirhossein Mostajabi, Seyed Mohammad Ehsan Mansouri Tehrani
2023
Conference Papers

Résumé

Significant damages and hazards caused by lightning can be avoided by predicting lightning occurrences and taking precautionary measures. In this study, a machine learning model was trained on the available data from twelve different weather stations in Switzerland. The model shows promising performance for predicting unseen data. Furthermore, the portability of the model is tested on the data recorded from a weather station in Suzhou, China, showing only a 5 percent drop in performance although the model has been trained on a different dataset and geographical location.

Source officielle

https://infoscience.epfl.ch/entities/publication/5d2a9716-a985-410b-b5d6-7629e107e725

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.