基于LSTM循环神经网络的雷电潜势预测

Prediction of lightning potential based on LSTM recurrent neural network

吴安坤 ¹吴仕军 ¹丁旻 ¹张弛 ¹张淑霞¹

扫码查看

作者信息

1. 贵州省气象灾害防御技术中心,贵州贵阳 550081
折叠

摘要

为探索循环神经网络模型在非线性预测中的应用,进一步提高雷电潜势预测的准确率,构建长短期记忆(LSTM)循环神经网络模型,并以贵阳探空站为例,统计站点周边100 km、12 h范围内的闪电次数,获取23个与雷电活动关联度r＞0.8的探空物理量参数,以此作为预测模型的样本特征;分析超参数选取对模型的影响,开展(0,24]h内的雷电潜势预测研究,并对比检验效果.研究结果表明:构建学习率为0.000 1、批量样本量为32、输入序列长度为10的LSTM网络模型,有利于提高模型泛化和快速收敛;通过输入前5天的大风指数、修正指数等23个探空物理量参数,发现(0,12]h的雷电潜势预测效果明显优于(12,24]h;采用该模型验证(0,12]h测试数据,得出被试工作特征曲线线下面积(AUC)接近于1,命中率(POD)为93.4％,虚警率(FAR)为17.4％,临界成功指数(CSI)为78.1％,验证了该模型的有效性.

关键词

长短期记忆(LSTM)/循环神经网络/雷电潜势预测/大气物理量参数/关联度/准确率

Key words

long short-term memory(LSTM)recurrent neural network/atmospheric physical quantity parameters/correlation/lightning potential prediction/accuracy

引用本文复制引用

基金项目

贵州省科技基金(黔科合基础-ZK[2022]一般245)

贵州省科技支撑项目(黔科合支撑[2021]一般510)

出版年

2023

中国安全科学学报

中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心

影响因子：1.548

ISSN：1003-3033

参考文献量15

段落导航