enriching_gan_ensembles
Notoriété 7 %
Ce projet utilise des réseaux de type GAN (Generative Adversarial Networks) pour enrichir les prévisions météorologiques opérationnelles à haute résolution. Il s'appuie sur des données historiques de l'AROME-EPS pour générer de nouveaux membres d'ensembles météorologiques, améliorant ainsi la précision et la diversité des prévisions. L'objectif est de réduire les coûts numériques tout en augmentant la fiabilité des modèles de prédiction du temps.
Dépôt de code
Cas d'utilisation métiers
- Génération d'ensembles de données climatiques : rechercher des initiatives proches
- Simulation de scénarios climatiques : rechercher des initiatives proches
- Analyse des tendances météorologiques : rechercher des initiatives proches
- Amélioration des prévisions météorologiques : rechercher des initiatives proches
- Optimisation des modèles de prévision : rechercher des initiatives proches
Cas d'utilisation fonctionnel
Outils utilisés
- scikit-image : voir les initiatives qui l'ont aussi
- NumPy : voir les initiatives qui l'ont aussi
- IPython : voir les initiatives qui l'ont aussi
- scikit-learn : voir les initiatives qui l'ont aussi
- Tornado : voir les initiatives qui l'ont aussi
- Matplotlib : voir les initiatives qui l'ont aussi
- Pandas : voir les initiatives qui l'ont aussi
- SciPy : voir les initiatives qui l'ont aussi
Description générée le jeudi 12 novembre 2026 à 20:51:08