共查询到18条相似文献，搜索用时 265 毫秒
1.
该文将循环神经网络（recurrent neural network,RNN）应用于雷达临近预报。使用预测循环神经网络（predictive RNN）架构,利用雷达历史组合反射率因子建模,给出雷达组合反射率因子未来1 h的预报结果。预测循环神经网络的核心是在长短时记忆单元（long short-term memory,LSTM）中增加时空记忆模块,能够提取雷达回波不同尺度的空间特征,配合循环神经网络架构,可以有效解决反射率因子预测问题。北京大兴雷达和广州雷达长时间序列的独立检验结果和2个强对流天气个例检验结果表明:该方法和传统的基于交叉相关法的1 h雷达外推临近预报相比,在20 dBZ和30 dBZ检验项目内,临界成功指数（CSI）可以提升0.15~0.30,命中率（POD）提高0.15~0.25,虚警率（FAR）降低0.15~0.20,该方法对反射率因子强度变化有一定预报能力。 相似文献
2.
基于深度学习的强对流高分辨率临近预报试验 总被引：1，自引：0，他引：1
强对流天气临近预报、预警在气象灾害防御中具有极为重要的地位。在气象业务中,因对强对流天气临近预报、预警准确率和时、空分辨率的极高要求,使其成为业务难点和研究热点之一。对于高时、空分辨率强对流临近预报问题,尝试用深度学习方法来解决。首先将强对流临近预报抽象成同时包含时间和空间的序列预测问题;然后基于改进的循环神经网络算法形成的自编码模型,使用京津冀地区长序列、高时空分辨率天气雷达组网拼图数据进行模型训练;最后利用基于历史0.5 h雷达回波拼图数据训练得到的端到端神经网络,预报未来1 h内的逐6 min回波演变特征。通过基于传统外推算法的临近预报方法与深度学习算法的临近预报方法进行对比,发现使用的深度学习方法可以有效“学习”到高时、空分辨率序列雷达数据特征的内在关联,通过多层神经网络构造出抽象的深层特征,能够有效捕捉到雷达回波的演变规律和运动状态。通过计算雷达回波预报的命中率（POD）、虚警率（FAR）、临界成功指数（CSI）等检验表明,相较传统外推临近预报方法,在强对流回波临近预报准确率上有较明显提高。 相似文献
3.
新疆天山北坡中部一次冰雹天气成因分析 总被引：1，自引：0，他引：1
利用常规观测资料、NCEP再分析资料、自动站资料和石河子CINRAD／CC多普勒天气雷达观测资料,对2010年7月11日发生在新疆天山北坡中部的一次强对流天气进行了综合分析。结果表明：这次冰雹天气发生在巴尔喀什湖低涡的环流背景形势下,较好的水汽条件、对流不稳定条件、0oC层和-20℃层的适宜高度以及较强的垂直风切变促使冰雹等强对流天气过程发生发展,同时山区和平原交界处的地形和热力不稳定作用对对流风暴的触发和发展成为冰雹云有着重要的作用。通过对多普勒雷达PUP产品的分析得出：这次强对流天气在组合反射率因子（CR）图出现了中心强度为63dBZ强对流单体和大面积〉50dBZ的强回波区;在反射率因子剖面（RCS）上表现为60dBZ强回波区的高度已达到5km,50dBZ强回波区的高度达到7．3km,整个回波顶高度达到12km的强回波墙,十分有利于冰雹的形成;在冰雹发生前期,平均径向速度图上出现了中气旋,促使对流风暴单体加强和维持;在冰雹形成区有低层辐合、高层辐散等特征;垂直累积液态含水量的跃增及其密度〉3．5g／m3十分利于冰雹的产生。 相似文献
4.
广东省后汛期强对流天气潜势预报方法研究 总被引：5，自引：5，他引：0
利用2007—2008年两年7—10月广东后汛期强对流天气出现时的雷达资料、对应的GRAPES模式资料以及地市台站上报的强对流天气发生的实况,把瞬时大风〉17.2 m·s^-1、冰雹、龙卷作为强对流发生的依据,对上述数据进行整理。根据广州热带海洋研究所中尺度模式的输出GRAPES资料,结合雷达CAPPI数据,计算单体的各层风速、温度、湿度、有效位能等环境特征量,将单体特征和模式计算的单体环境场要素以及强对流发生实况,通过多元逐步回归方法建立后汛期强对流天气潜势预报方程,据此对发生于广东省后汛期强对流天气（如雷雨大风、冰雹和龙卷风）进行0～1小时临近预报。用预报成功率（POD）、虚假警报率（FAR）和关键成功指数（CSI）衡量方法的预报性能。共有5540个有效样本参与回归计算,31个因子中有12个引入了回归方程,建立的预报方程在阈值取为0.26时,得到的预报成功率POD为0.73,虚假警报率FAR为0.61,关键成功指数CSI为0.338,各项指标均要好于前汛期预报性能;从实际的预报能力来看,在后汛期强对流潜势预报中,后汛期强对流潜势预报方法得到的空报率和漏报率都要低于前汛期,预报效果较好,可用于广东后汛期的强对流天气潜势预报中。 相似文献
5.
深圳新一代天气雷达山体阻挡的订正方案及效果检验 总被引：1，自引：0，他引：1
分析了广东深圳新一代天气雷达山体阻挡情况以及对雷达产品的影响。多个山体使得深圳雷达北部、东北部出现了较大范围的阻挡,对于1 km和3 km的垂直高度,有效探测距离仅分别为15 km和50 km。阻挡致使低仰角PPI和3 km CAPPI产品出现明显的缺测区。为了解决阻挡问题,采取反射率因子平均垂直廓线(WVPR)订正技术。对于2008年6月25日台风“风神”个例,垂直廓线订正弥补了低层探测信息,使得阻挡区域内的定量降水估测得到改善,对于较强降水相对误差约为10%;同时廓线订正对于阻挡区域外的降水估测也有一定的改进。对于以层状云性质为主的大范围降水系统,由于反射率因子垂直廓线易获取且具有较好的代表性,因此订正效果较好;但对于孤立的对流风暴,廓线技术难以发挥作用。为此,开发了1 km 高度上组合反射率因子产品。选择2010年5月7日广州强对流个例,该产品既减轻了阻挡影响、能较好探测到阻挡区域内的风暴,又避免了测站周围其他地物杂波污染。利用COTREC运动矢量对1 km组合反射率因子进行外推预报,并给出不同强度等级、不同预报时效的检验结果。对于出现频次较高的较强回波(如30～45 dBZ),在30 min预报时效,POD、FAR和CSI分别为0.82、0.21和0.67,当预报时效拓展到60 min时,CSI仍达到0.54,预报效果较好。对于更强的回波(如55～65 dBZ),预报效果随时效增加而明显下降,CSI在6、30和60 min时分别为0.80、0.31和0.13。而对于较弱回波(5～15 dBZ)预报效果一般。 相似文献
6.
交叉相关算法在强对流天气临近预报中的应用 总被引：4，自引：0，他引：4
利用"雨燕"临近预报系统的雷达回波外推算法,对三次强对流个例的3 km CAPPI反射率因子、回波顶和垂直累积液态含水量进行0～1小时外推预测,将预测结果和组合阈值比较进行强对流天气预警区域预报试验。资料来源于CINRAD-SB雷达基数据经RPG算法处理得到的雷达产品数据。所用的方法是在扩展后的交叉相关追踪算法基础上实现雷达回波移动预测。试验结果表明:3 km CAPPI反射率因子、回波顶和垂直累积液态含水量雷达产品与实况有较好的吻合,能较好地预报出回波的形状、变化趋势和移动方向,回波的范围、位置和强度中心与实况相似,外推时间越短,预报效果越好。交叉相关追踪算法外推得到的雷达回波结果在0～1 h内是可用的;外推预测结果经过组合阈值的过滤后,得出的强对流天气预警区域预警结果也是可行的,对强对流天气临近预报有一定指示意义。 相似文献
7.
针对传统雷达回波外推算法在快速增长或消散降水过程预报精度较低的问题,利用华南雷达回波拼图资料数据,建立ConvLSTM回波外推模型,对广西区域范围进行短临降水预报研究.采用气象业务中的正确率(POD)、临界成功指数(CSI)及误报率(FAR)评判标准检验预报模型,并将ConvLSTM与光流法的预报结果进行对比分析.结果 表明,ConvLSTM模型的CSI、POD分别比光流法提高0.06和0.059,而FAR下降了0.058.ConvLSTM方法比光流法的回波外推预报准确率高,该方法可为广西短临降水预报提供新的参考. 相似文献
8.
近年来深度学习模型在解决对防灾减灾影响巨大且极具挑战性的临近预报问题的应用中日益增多。本文中,我们把临近预报作为一个时空序列预测的任务,将雷达反射率因子作为试验对象,使用基于对抗神经网络（GAN）优化构建的TAGAN深度学习模型预测未来1小时的雷达回波图像,并且与Rover光流法、基于卷积神经网络的3D U-Net模型进行对比试验。选取2018年全球气象AI挑战赛雷达回波数据集进行训练与测试,检验结果表明TAGAN模型在命中率（POD）,虚警率（FAR）,临界成功指数（CSI）以及相关系数等多种评分上要优于传统的光流法和对比的3D U-Net深度学习模型,TAGAN模型在以上的检验评分表现出色,并且随预测时间的增加较之传统光流模型效果更优,这为拓展和提升深度学习模型在临近天气预报中的应用提供了参考依据。 相似文献
9.
近年来，人工智能技术在图像识别领域取得了突破性进展，为探寻人工智能模型在武汉地区雷达回波临近预报中的应用价值，本文利用湖北武汉市2015—2020年雷达回波和降水量观测资料，对PredRNN++、MIM、CrevNet和PhyDNet 4种深度学习模型进行雷达回波临近预报训练，并基于2021年汛期雷达回波资料进行雷达回波临近预报。在此基础上，通过降水强度和降水面积指数筛选降水过程，并以均方误差（Mean Square Error, MSE）、结构相似性指数（Structural Similarity Index Measurement, SSIM）、命中率（Probability of Detection, POD）、空报率（False Alarm Rate, FAR）和临界成功指数（Critical Success Index, CSI）为指标，检验评估上述4种深度学习模型和光流法对2021年汛期武汉地区雷达回波的临近预报性能。结果表明：（1）整体来看，MIM模型的MSE最小、POD最高，MIM和PredRNN++模型的SSIM并列最高；所有深度学习模型的FAR均低于光流法，且Phy... 相似文献
10.
为了研究江西大冰雹超级单体的结构特征和关键机制,利用江西WebGIS雷达拼图平台、江西省ADTD二维闪电监测定位系统、江西省自动气象站雨量检索平台和MICAPS系统平台资料,对江西2021年3月30—31日冰雹组合反射率CR回波强度、地面雨量、TBB云图与ADTD雷电信息等特征进行分析。(1)2021年3月30—31日大冰雹天气过程,雷暴大风和降水比江西春季历史上出现的强对流天气过程较少且小,但出现冰雹站数、影响范围、维持时间、冰雹直径和回波强度都超过历史上其它强对流天气个例。(2)最强回波和10 min雨量与冰雹大小成正比,10 min雨量变化提前于冰雹的出现;强回波面积和雷电次数成正相关。(3)超级单体回波系统是造成江西冰雹天气的重要回波系统类型：(1)回波中心强度≥60 dBZ,中心出现≥65 dBZ的强回波核;(2)60 dBZ回波面积≥10×10 km2;(3)30～60 dBZ强回波梯度(最密集区域)≤6 km;(4)超级单体具有深厚和蔓延的云砧形成的“前伸”回波结构,形成南北走向的“盾”型回波结构。(4)冰雹超级单体在TBB云图上形成MCS云系,有“... 相似文献
11.
冰雹是对流性天气常见的灾害之一,雷达是识别冰雹强有利的工具,为克服现有方法主观性强、特征量阈值不明确以及虚警率高的不足,探究机器学习算法用于冰雹识别的可行性,基于决策树算法利用2015年1月1日—2021年12月31日鄂东地区冰雹灾情资料、武汉多普勒天气雷达以及探空资料,将湿球温度高度引入冰雹识别因子中,并根据命中率、虚警率和临界成功指数定量评估其识别能力。结果表明:仅包含回波强度的决策树(强度决策树)和包含回波强度和湿球温度高度的决策树(强度-高度决策树)均能有效识别冰雹,强度-高度决策树较强度决策树的命中率和临界成功指数均小幅提高,且虚警率明显降低;强度决策树识别冰雹的关键因子为组合反射率因子,底层多为0.5°和1.5°仰角反射率因子,强度-高度决策树的关键因子为0.5°仰角反射率因子,底层多为风暴的整体强度属性;个例分析显示强度-高度决策树减少了湿球0℃层高度较高时的虚警次数,展现出良好的应用前景。 相似文献
12.
CINRAD/SA雷达冰雹探测算法效果检验及参数本地化 总被引：1，自引：1，他引：0
2004年CINRAD/SA雷达新的冰雹探测算法(HDA)代替了原来的算法,新的冰雹探测算法(HDA)估测任意尺寸的冰雹概率(POH)、直径大于等于19 mm的强冰雹概率(POSH)和最大冰雹直径预测(MEHS)。结合济南雷达探测资料对冰雹探测算法预测效果进行了检验,虽然有较高的探测准确率,但同时错误率较高,临界成功率较低,最大冰雹尺寸预测值与实况的平均差值约为14.6 mm。对2002~2005年济南雷达站的历史资料进行了统计分析,降雹单体和非降雹单体在最大反射率因子上存在较大差异,5、6、7月的降雹单体最大反射率因子平均值分别为59.7、61.86、3.9 dBz,非降雹单体最大反射率因子平均值分别为53.8、54.9、55.6 dBz。依据统计数据,对冰雹探测算法中的反射率因子等门限值调整为53 dBz后,冰雹预测仍具有较高的探测准确率,错误率和临界成功率得到了明显改善;对最大冰雹尺寸预测中的算法因子门限值调整后,预测值与实况有较好的对应关系。 相似文献
13.
天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。 相似文献
14.
多普勒天气雷达冰雹探测算法评估及检验改进 总被引：4，自引：1，他引：3
利用新一代多普勒天气雷达资料和WSR-88D提供的冰雹指数算法,对2005年1月至2007年8月发生在贵州省黔西南地区的20个冰雹个例进行验证。用此算法对20个风暴日的样本计算了WT（警报阈值）、H（相对雷达的高度）、M（漏报率）、FA（虚警率）、POD／FAR／CSI（探测概率／误报率／临界成功指数）等多个函数,并将这些数据与强冰雹指数（SHI）作对比分析,将SHI作为冰雹尺寸的预报因子进行独立评估,对实际观测到的冰雹尺寸与模式预报尺寸进行比较。在考虑了本地环境、气候特征的前提下对误警率较高的情况进行了算法补尝,并针对误警率较高的现象提出解决办法：①输入当天的正确0℃／-20℃高度,②提高冰雹探测反射率阈值。用改进方法对2007年发生的9次冰雹天气过程进行对比检验。结果表明,误报率有所降低,预报冰雹尺寸更接近实际探测尺寸。 相似文献
15.
Weather radar echo extrapolation plays a crucial role in weather forecasting. However, traditional weather radar echo extrapolation methods are not very accurate and do not make full use of historical data. Deep learning algorithms based on Recurrent Neural Networks also have the problem of accumulating errors. Moreover, it is difficult to obtain higher accuracy by relying on a single historical radar echo observation. Therefore, in this study, we constructed the Fusion GRU module, which leverages a cascade structure to effectively combine radar echo data and mean wind data. We also designed the Top Connection so that the model can capture the global spatial relationship to construct constraints on the predictions. Based on the Jiangsu Province dataset, we compared some models. The results show that our proposed model, Cascade Fusion Spatiotemporal Network (CFSN), improved the critical success index (CSI) by 10.7% over the baseline at the threshold of 30 dBZ. Ablation experiments further validated the effectiveness of our model. Similarly, the CSI of the complete CFSN was 0.004 higher than the suboptimal solution without the cross-attention module at the threshold of 30 dBZ. 相似文献
16.
基于2012—2019年自动站雷暴大风观测实况和对应雷达回波,利用传统机器学习方法(决策树)和深度学习方法(CNN、YOLO)等三种机器学习方法分别建立雷暴大风自动识别模型。根据广东雷暴大风回波特征,选取50 dBZ高度、反射率因子强度梯度等5个回波参量作为决策树的特征因子;将1～9 km高度的雷达回波分为11层,作为YOLOv3的输入层,使其由原3个特征层扩展到11层,训练优化后的YOLOv3可更合理刻画雷暴大风的空间结构特征。经批量测试和业务试运行试验,检验结果表明：三种模型中基于决策树的模型虚警最高,基于CNN的模型漏报最多,基于YOLO的模型识别效果最好,其POD和CSI均最高。通过对广东2020年汛期5次系统性和5次局地性雷暴大风过程进行分类型自动识别效果评估,并选取任意天气下长达30天连续时段进行不间断识别检验,结果表明该算法对于不同类型的雷暴大风均有较好的识别能力,具备业务化应用前景。 相似文献
17.
基于天气雷达资料的外推预报是灾害天气0~2 h临近预报基础,本文以业务应用为目标,应用广东省2015-2018年11部新一代多普勒雷达反射率拼图资料,研究了基于卷积门控循环单元神经网络ConvGRU的临近预报方法,采用多损失函数加权与分级加权的策略,基于ConvGRU框架建立三层自编码模型(Encoder-Decoder)的雷达回波临近预测模型,进行未来2 h逐6 min、连续20帧雷达回波图的预测,并与业务上已经应用的交叉相关法、光流法和粒子滤波法的临近预报结果对比,进行典型个例分析和长时间检验。结果表明,基于ConvGRU方法对强对流天气具有较好的预报效果,对雷达回波位置、强度和形状与实况更接近,表明深度学习方法通过对时间序列数据的学习,能较好地把握强回波区域的特征,在一定程度上能够相对比较准确地预报较强回波范围,但该方法预报雷达回波图像存在损失空间细节信息的局限,且对层状云降水的预报效果较差;ConvGRU方法的临界成功指数(CSI)和命中率(POD)评分高于传统的交叉相关法、光流法和粒子滤波法,且虚警率(FAR)评分为最小,在业务中具有广泛的应用前景。 相似文献
18.
为了探究深度学习用于飑线识别的可行性,基于2008—2020年河南省郑州和驻马店雷达数据,采用卷积神经网络（convolutional neural network,CNN）算法构建飑线识别模型,引用临界成功指数、公平风险评分、命中率和误判率定量评价模型的识别效果,对比不同样本组成比例和网络结构对飑线识别效果的影响。结果表明:建模所用的样本组成比例对飑线识别有一定影响,通过改变采样方式和优化网络结构均能够改善样本比例不平衡的问题,提高飑线识别效果,且后者提升的幅度更大,而两种方法的结合无明显提升。测试结果表明:该模型临界成功指数为0.66,公平风险评分为0.58,命中率为0.86,误判率为0.24。研究揭示了卷积神经网络能够提取并学习飑线和非飑线回波的图像特征,对飑线有一定识别能力。 相似文献