首页|基于卷积门控循环单元神经网络的临近预报方法研究

基于卷积门控循环单元神经网络的临近预报方法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
基于天气雷达资料的外推预报是灾害天气0～2h临近预报基础,本文以业务应用为目标,应用广东省2015-2018年11部新一代多普勒雷达反射率拼图资料,研究了基于卷积门控循环单元神经网络ConvGRU的临近预报方法,采用多损失函数加权与分级加权的策略,基于ConvGRU框架建立三层自编码模型(Encoder-Decoder)的雷达回波临近预测模型,进行未来2 h逐6 min、连续20帧雷达回波图的预测,并与业务上已经应用的交叉相关法、光流法和粒子滤波法的临近预报结果对比,进行典型个例分析和长时间检验.结果表明,基于ConvGRU方法对强对流天气具有较好的预报效果,对雷达回波位置、强度和形状与实况更接近,表明深度学习方法通过对时间序列数据的学习,能较好地把握强回波区域的特征,在一定程度上能够相对比较准确地预报较强回波范围,但该方法预报雷达回波图像存在损失空间细节信息的局限,且对层状云降水的预报效果较差;ConvGRU方法的临界成功指数(CSI)和命中率(POD)评分高于传统的交叉相关法、光流法和粒子滤波法,且虚警率(FAR)评分为最小,在业务中具有广泛的应用前景.
A Study on Radar Echo Nowcasting Based on Convolutional Gated Recurrent Unit Neural Network

陈训来、刘军、郑群峰、李旭涛、刘佳、姬喜洋、陈元昭、叶允明

展开 >

深圳市气象局,广东深圳518040

深圳南方强天气研究重点实验室,广东深圳518040

哈尔滨工业大学(深圳),广东深圳518055

临近预报 ConvGRU 雷达回波

2019B0202080162014A0202180142016A02022301641975124GRMC2018Z06CMAYBY2019-081

2021

10.7522/j.issn.1000-0534.2020.00023

高原气象
中国科学院寒区旱区环境与工程研究所

高原气象

CSTPCDCSCD北大核心
影响因子：2.193
ISSN：1000-0534
年,卷(期)：2021.40(2)
  • 15
  • 26