序列结构的RNN模型在闪电预警中的应用(PDF)
灾害学[ISSN:1000-811X/CN:61-1097/P]
- 期数:
- 2020年02期
- 页码:
- 90-96
- 栏目:
- 预测.防治与对策
- 出版日期:
- 2020-04-20
文章信息/Info
- Title:
- -
- 作者:
- 杨仲江; 马俊彦; 王昊
-
- Author(s):
- -
-
- 关键词:
- 闪电预警; 深度学习; 神经网络; LSTM
- 分类号:
- X43;P49;X915.5
- DOI:
- -
- 文献标识码:
- A
- 摘要:
- 应用深度学习模型对强对流天气中发生的闪电事件进行预警。根据闪电发生概率与雷达回波反射率因子的相关性研究,使用具有时间序列特性的历史雷达回波数据集,结合基于循环神经网络(Recurrent Neural Network)改进的神经单元、网络结构与损失函数,通过前2 h的历史回波数据来预测未来1 h内的回波形态与移动轨迹,根据预测结果进行闪电预警。检验结果表明:经过训练后的模型可以有效的预测出后续回波的生消以及dBZ数值的分布变化,在30 min的时效内能够较好的预测40 dBZ以上区域的回波特征,对发生的闪电事件进行预警。将该方法与传统的光流外推算法相比,临界成功指数CSI和HSS预报评分具有20%左右的提升,为在强对流天气下后续闪电的预警工作提供了更为精确的指导。
更新日期/Last Update: 2020-05-26