一种雷达回波外推的注意力融合和信息回忆的LSTM方法
程勇1
钱坤1
康志明2
何光鑫1
王军3
庄潇然2
1.南京信息工程大学,江苏 南京,210044;中国气象局广州热带海洋气象研究所,广东 广州 5106412.江苏省气象台,江苏 南京 2100083.南京信息工程大学,江苏 南京,210044
摘要：临近天气预报是气象研究中的热点问题,雷达回波外推技术作为处理临近天气预报的有效手段,具有重要的应用价值.近年来,深度学习技术被应用于处理这一任务,但提高雷达回波外推的预报准确率仍然是一个具有挑战性的问题.在ST-LSTM网络基础上,本文提出一种AFR-LSTM网络,以进一步提高雷达回波外推的预报准确率.首先提出一种注意力融合的时空长短期记忆网络的方法,以关联更多的历史信息,保证信息在传递过程中能够充分关联,减少信息丢失.同时,考虑编码过程中信息丢失问题,在编码器与解码器之间构建信息回忆模块,进一步保存雷达回波预测细节.通过在真实的雷达回波数据集(2019-2021江苏气象雷达数据)上进行消融实验,AFR-LSTM整体效果较好.此外,对该雷达回波数据集进行对比实验,结果表明AFR-LSTM在雷达回波预测中评分函数临界成功指数(CSI)值为0.520 9、Heidke Skill Score(HSS)值为0.532 4,并且能较好地保留强回波和位置准确度,优于现有方法,证明了该方法能够获得更准确的预测准确度.
关键词：雷达回波外推深度学习注意力机制时空长短期记忆网络
分类号：P456(天气预报)
资助基金：国家自然科学基金(41975183)国家自然科学基金(41875184)广东省珠江人才计划引进创新创业团队项目(2019ZT08G669)
论文发表日期：2023-10-28
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：11( 653-663 )
英文信息