RainNet est un réseau de neurones convolutif conçu pour prédire les précipitations à court terme (5 minutes) à partir de données radar. Entraîné sur plusieurs années de composites radar de haute qualité fournis par le service météorologique allemand (DWD), il transforme des scans radar en prévisions précises. Son architecture inspirée des modèles U-Net et SegNet permet une analyse fine des motifs spatiaux et temporels des précipitations, offrant ainsi un outil puissant pour la gestion des risques hydrométéorologiques et la planification des activités sensibles au climat.

PredRANN est une solution d'intelligence artificielle dédiée à la prévision des précipitations à court terme. Elle utilise des réseaux de neurones convolutifs récurrents avec attention pour analyser les séquences d'échos radar et prédire l'évolution des phénomènes météorologiques. L'outil s'appuie sur des données radar historiques pour générer des prévisions précises et fiables, aidant ainsi à anticiper les risques d'inondations ou d'autres événements météorologiques intenses.

Ce projet utilise le modèle DGMR de DeepMind pour fournir des prévisions de précipitations à court terme (nowcasting) en France. Basé sur des données radar en temps réel de Météo-France, il génère des visualisations dynamiques des pluies attendues dans les deux heures à venir, avec une résolution de 1 km et un pas de temps de 5 minutes. L'objectif est d'améliorer la précision des alertes météorologiques et d'aider à la gestion des risques liés aux intempéries.