基于卷积门循环单元和气象雷达图像的临近降水预报
张佳洛1
黄勇2
刘传才3
1.南京理工大学计算机科学与工程学院 南京 2100942.安徽省气象科学研究所 合肥 2300613.南京理工大学计算机科学与工程学院 南京 210094;闽江学院物联网产业化与智能生产协同创新中心 福州 350108
摘要：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.
关键词：卷积神经网络门循环单元临近预报雷达图像
分类号：TN95(雷达)
资助基金：国家自然科学基金(61373062)国家自然科学基金(61373063)国家自然科学基金(61473155)国家自然科学基金(61703139)物联网产业化与智能生产协同创新中心(闽江学院)开放基金项目(IIC1701)
论文发表日期：2021-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1538-1542 )
英文信息