首页|基于门控循环单元神经网络的大气能见度临近预报技术

基于门控循环单元神经网络的大气能见度临近预报技术

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对大气能见度变化具有突变性以及复杂非线性问题,利用神经网络对复杂非线性过程拟合能力强且对映射关系变化反应速度快的特点,采用门控循环单元(GRU)神经网络为算法框架,将某省17 个国家气象观测站近5 年的地面能见度及相关要素数据预处理后形成本地化能见度数据集,通过该数据集对网络进行1～4h预报时效的训练、测试与验证.实验结果显示,基于GRU神经网络的大气能见度短临预报算法其均衡平均数(F1-score)、准确率(accuracy)和风险评分(TS-score)指标明显优于长短期记忆神经网络(LSTM)、临近K指数(KNN)与支撑向量机(SVM)大气能见度短临预报算法.
Research on Nowcasting Technology of Atmospheric Visibility Based on GRU Neural Network

魏海文、张骞、柳娜、宫玉辛

展开 >

山东省气象防灾减灾重点实验室,济南 250031

山东省气象台,济南 250031

山东协和学院工学院,济南 250107

能见度 神经网络 数据集 门控循环单元 天气预报

山东省自然科学基金山东省气象局重点科研项目山东省气象局青年科研基金

ZR2021022000722018sdqxz012020sdqn01

2023

10.19927/j.cnki.syyt.2023.01.030

实验室研究与探索
上海交通大学

实验室研究与探索

CSTPCD北大核心
影响因子：1.69
ISSN：1006-7167
年,卷(期)：2023.42(1)
  • 14