首页|基于卷积神经网络的飑线识别算法

基于卷积神经网络的飑线识别算法

Squall Line Identification Method Based on Convolution Neural Network

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了探究深度学习用于飑线识别的可行性,基于2008-2020年河南省郑州和驻马店雷达数据,采用卷积神经网络(convolutional neural network,CNN)算法构建飑线识别模型,引用临界成功指数、公平风险评分、命中率和误判率定量评价模型的识别效果,对比不同样本组成比例和网络结构对飑线识别效果的影响.结果表明:建模所用的样本组成比例对飑线识别有一定影响,通过改变采样方式和优化网络结构均能够改善样本比例不平衡的问题,提高飑线识别效果,且后者提升的幅度更大,而两种方法的结合无明显提升.测试结果表明:该模型临界成功指数为0.66,公平风险评分为0.58,命中率为0.86,误判率为0.24.研究揭示了卷积神经网络能够提取并学习飑线和非飑线回波的图像特征,对飑线有一定识别能力.

金子琪、王新敏、鲍艳松、栗晗、魏鸣、路明月

展开 >

中国气象局·河南省农业保障与应用技术重点开放实验室/河南省气象台,郑州450003

南京信息工程大学气象灾害预报预警与评估协同创新中心/中国气象局气溶胶与云降水重点开放实验室/气象环境卫星工程与应用联合实验室,南京210044

南京信息工程大学大气物理学院,南京210044

南京信息工程大学地理科学学院,南京210044

展开 >

飑线 识别 卷积神经网络 雷达回波 样本不平衡

182102310757KZ202001KZ202101

2021

10.11898/1001-7313.20210506

应用气象学报
中国气象科学研究院 国家气象中心 国家卫星气象中心 国家气候中心　国家气象信息中心　中国气象局气象探测中心

应用气象学报

CSTPCDCSCD北大核心
影响因子：1.459
ISSN：1001-7313
年,卷(期)：2021.32(5)
  • 8
  • 19