首页|基于卷积门循环单元和气象雷达图像的临近降水预报

基于卷积门循环单元和气象雷达图像的临近降水预报

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
现有的深度神经网络预测模型主要是通过学习单一高度下的雷达回波图像序列的特征预测未来时间段回波序列.然而,这种模型并不能直接预测目标站点未来一段时间内的降水量.鉴于此,提出了一种基于卷积门循环单元(Con-volutional Gated Recurrent Unit,ConvGRU)神经网络的临近降水预报模型.对目标站点不同高度的雷达回波图像做卷积,同一高度的卷积图像通过GRU(Gated Recurrent Unit)学习云团运动过程中的时序特征,将不同高度时序图像的学习特征聚合到全连接层中进行训练,输出目标站点未来1h～2h的降水量.实验分析表明,该模型在未来1h～2h的降水预报中取得了较好的预报精度.
Precipitation Nowcasting Based on Convolutional Gated Recurrent Unit and Weather Radar Image

张佳洛、黄勇、刘传才

展开 >

南京理工大学计算机科学与工程学院 南京 210094

安徽省气象科学研究所 合肥 230061

闽江学院物联网产业化与智能生产协同创新中心 福州 350108

卷积神经网络 门循环单元 临近预报 雷达图像

61373062613730636147315561703139IIC1701

2021

10.3969/j.issn.1672-9722.2021.08.007

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(8)
  • 2
  • 5