共查询到16条相似文献，搜索用时 140 毫秒
1.
利用2021—2022年4—9月阿克苏地区冰雹云的雷达回波资料，基于轨迹GRU模型和GAN模型共同构建一个深度学习的回波外推模型，应用于强对流（冰雹）天气监测预警。采用分阈值和预报时效的评估方法，对深度学习的回波外推模型预测回波的效果进行分析，结果表明：（1）在30 min预测时间内，随反射率阈值增加，临界成功指数（CSI）和命中率（POD）逐渐降低，虚警率（FAR）先降低后升高，FAR在反射率阈值为35dBZ时最低。（2）在反射率阈值为35 dBZ和相同外推时效的情况下，基于深度学习的回波外推模型和光流法相比，CSI提高0.05~0.15，POD提高0.05~0.15，FAR降低0.05~0.12。（3）在预测反射率阈值为35 dBZ的强对流单体移动路径方面，基于深度学习的回波外推模型与TITAN法相比，预测的单体移动路径会更接近实况单体移动路径。 相似文献
2.
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
3.
雷达资料与中尺度数值预报的融合方法研究及其在临近预报中的应用 总被引：2，自引：0，他引：2
通过融合多普勒天气雷达资料与中尺度数值预报产品,发展了一种便于临近预报业务使用的方法。该方法首先通过相关分析计算当前相同时刻雷达估测降水与中尺度数值预报的反射率因子估测降水之间的位置偏差,导出一个位移偏差矢量场;然后,利用人机交互的方式对矢量场进行分区,并对各分区的矢量场进行平滑处理,计算出各分区的平均位移偏差矢量;最后,采用最小二乘法对各分区连续多次的平均位移偏差矢量进行线性拟合,得到各分区平均位移偏差矢量随时间的变化特征,订正未来时段相应区域的数值预报反射率因子估测降水的位置偏差。利用该方法对2012和2013年夏季发生在重庆西部、四川东部的3次强降水天气过程进行临近预报试验并对预报结果进行了检验,结果表明:对0~2 h的临近预报,融合预报效果总体上优于模式预报效果;另外,与雷达外推定量降水预报相比,0~1 h雷达外推预报效果优于融合预报效果,1~2 h融合预报效果优于雷达外推预报效果。 相似文献
4.
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
5.
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
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.
基于SWAN产品的短时强降水雷达特征及预警分析 总被引：1，自引：0，他引：1
利用SWAN产品和自动站雨量资料,详细对比分析了2010~2012年区域性暴雨中的短时强降水雷达特征,结果表明:(1)短时强降水具有反射率因子大,液态水含量高、回波顶高,强回波厚度大等特征,在每隔6min的SWAN拼图产品中,短时强降水通常满足:3km高度处CAPPI回波≥30dBZ,组合反射率CR中心强度≥40dBZ,VIL>5kg/m2,45dBZ以上的回波中心厚度(H)≥3km,这些参数的变化可以作为短时强降水的预警临近指标。(2)现有SWAN产品中的QPE/QPF产品对未来逐小时的雨量和落区具有一定的预报能力,但QPE产品估测1h累计降水量更接近于实况雨量,在监测到有上述强回波发展时,可通过分析QPE产品和回波特征及预警指标对短时强降水过程进行预报。 相似文献
8.
利用卷积神经网络和门控循环单元（Gated recurrent units ）神经网络，基于雷达反射率因子和雷电定位数据开展了雷电预报研究。首先构建了引用注意力机制的基于卷积神经网络和门控循环单元神经网络的深度学习模型（Attention ConvGRU）；然后将雷达反射率因子数据和对应时间段（6 min）的雷电定位数据处理成图像数据后输入深度学习模型，训练出可预报雷电的模型，包括3种模型：单雷电数据模型、单雷达数据模型和雷电〖CD*2〗雷达双数据模型；最后开展了预报试验和定量评估。综合评估表明，本文建立的雷电预报模型综合预报准确率达到96.74%，虚警率35.83%，关键成功指数（Critical Success Index, CSI）为0.2072。个例分析表明，预报模型对于具有明显移动趋势的雷暴过程（A类雷暴）的预报效果优于不具有明显移动趋势的雷暴过程（B类雷暴）,且随着B类雷暴强度减弱模型预报能力逐渐减弱。 相似文献
9.
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
10.
通过将组合反射率因子、垂直累积液体水两种雷达产品合并成一种新的雷达产品CR_VIL,使用6万多张CR_VIL产品与对应时次6min自动站雨量数据,通过统计分析得到CR_VIL的6min雨量均值表。在短时临近预报系统中根据雷达回波外推结果,使用CR_VIL的6min雨量均值表求得各时段定量降水估测值(QPE)作为该时段的定量降水预报值(QPF),得到预报时效2h,时间分辨率为6min的定量降水预报数据,业务运行中对1h的预报结果进行检验,晴雨预报准确率为87.0%,短时强降水TS=0.106,Bias=1.09,表明CR_VIL应用在业务系统中对短时强降水具有一定预报能力。 相似文献
11.
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
12.
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
13.
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
14.
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
15.
选取单部雷达的CAPPI资料,在TREC(Tracking Reflectivity Echo by Correlation)的基础上,引入径向基函数网络、广义回归网络、小波BP网络3种人工神经网络以及支持向量机,对雷达反射率因子进行1h的临近预报研究,并与TREC外推预报的结果进行了比较.使用了命中率、虚警率、漏报率、临界成功指数、相关系数和均方根误差6个指标检验人工神经网络、支持向量机和TREC的预报效果.结果表明:在使用这些指标检验预报效果时设定的阈值对预报结果的评价有影响;网络与TREC以及不同的网络之间的预报结果存在着差异;与TREC相比,支持向量机比TREC总体上能更好地预报未来1h以内强对流性天气的发展变化情况. 相似文献
16.
选取2004—2012年广东省12个大冰雹风暴单体为样本,利用多普勒天气雷达资料,计算了最大反射率因子及其高度等多个雷达参数,分析了三体散射、旁瓣回波和环境温度层上回波特征以及大冰雹与非冰雹风暴单体间的反射率因子垂直廓线差异。结果表明:大冰雹风暴单体发展均非常旺盛,最大反射因子多超过65 dBZ,对应高度几乎都达到5 km。除受周围大范围雷达回波影响外,大冰雹风暴单体均观测到了三体散射或旁瓣回波特征,并具有一定的预报提前量;在0℃和-20℃层高度上的最大反射率因子均超过54 dBZ。大冰雹风暴单体与非冰雹风暴单体相比,低层回波迅速增加,强核心区垂直伸展更深厚,回波垂直递减率更小。 相似文献