To datavidenskabsstuderende fra Institut for Matematik præsenterede deres bachelorprojekt ved EMS2022
Thomas Lykke Rasmussen og Mads Emil Marker Jungersen studerer datavidenskab ved Institut for Matematik. Den 4.-9. september deltager de begge i kongressen, EMS2022 (European Meteorological Society), der afholdes på Poppelsdorf Campus ved University of Bonn i Tyskland. Her har de netop præsenteret deres bachelor projekt, "Cloud Cover Nowcasting with Deep Learning, som har vagt stor interesse.
"Det er et rigtigt imponerende projekt Thomas og Mads har lavet. Det er meget usædvanligt at et BSc. projekt har så høj en nyhedsværdi og er af en kvalitet så det kan danne base for en indlæg som er blevet optaget på en international forsker-konference i fri konkurrence med forskere fra hele verden."
– Henrik Karstoft, vejleder
Projektet undersøger, hvordan man kan benytte computer vision og deep learning til at forudsige skydække ved hjælp af satellitbilleder. Netop at kunne forudsige skydække ud fra satellitbilleder har fået forøget interesse i overgangen til bæredygtige energiformer så som solenergi. Selvom deep learning ved flere lejligheder har været anvendt med succes i flere meteorologiske opgaver, er der kun få studier, der har undersøgt problemet med at forudsige skydække baseret på satellitdata. I dette projekt har Thomas og Mads Emil undersøgt, hvordan forskellige Deep learning arkitekture som ConvLSTM, U-Net og MetNet benyttes til at forudsige skydække over Tyskland over en tidsramme på 90 minutter ud i fremtiden. Desuden undersøger projektet mindre ændringer i deep learning modellen ConvLSTM, her har Thomas og Mads Emil blandt andet undersøgt, hvor mange frames modellen skal kende fra fortiden, og hvor stort et udsnit af Europas skydække modellen skal bruge for at kunne forudsige Tysklands skydække. De har også undersøgt effekten af at give modellen yderligere viden omkring det område den forudsiger, fx hvor der er vand eller hvor der er bjerge. Endelig har de også undersøgt effekten af at variere loss-funktionen, der er den cost function man prøver at minimere, når man træner et neuralt netværk. Thomas og Mads Emil testede alle deres modeller med kendte vejrmodeller, og har derved dannet et fundament for, hvilken retning fremtidig research inden for at forudsige skydække i den nære fremtid skal gå.
"Det har været virkelig spændende at anvende de komplekse deep learning modeller til at forudsige noget så genkendeligt som vejret."
– Thomas Lykke Rasmussen
"At arbejde med projektet, som har omfattet alle aspekter som dataindsamling, data-preprocessing, analyse og fortolkning har været en virkelig lærerig process."
– Mads Emil Marker Jungersen