首页|基于LSTM循环神经网络的雷电潜势预测

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

扫码查看
原文链接
  • 万方数据
  • 维普
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.

long short-term memory(LSTM)recurrent neural networkatmospheric physical quantity parameterscorrelationlightning potential predictionaccuracy

吴安坤、吴仕军、丁旻、张弛、张淑霞

展开 >

贵州省气象灾害防御技术中心,贵州贵阳 550081

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

贵州省科技基金贵州省科技支撑项目

黔科合基础-ZK[2022]一般245黔科合支撑[2021]一般510

2023

10.16265/j.cnki.issn1003-3033.2023.08.1529

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
年,卷(期)：2023.33(8)
  • 15