共查询到16条相似文献，搜索用时 125 毫秒
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
2.
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
3.
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
4.
精细尺度降水的临近预报对于提升现代城市内涝和山洪地质灾害预警能力具有重要意义。深度学习作为一种新兴方法,在挖掘数据内部特征及物理规律方面更具优势,近年来在天气雷达图像领域的应用已初见成效。为进一步提升精细尺度降水的临近预报能力,基于深度学习网络模型RainNet,研究建立了两种滚动预报方式,开展了京津冀地区1 km分辨率精细尺度降水滚动式临近预报试验和对比分析。 试验结果表明:与传统基于交叉相关的外推预报相比,深度学习网络模型RainNet总体可以明显改进降水1 h临近预报的绝对误差和相关系数;两个RainNet相结合的滚动预报方式对1.04 mm/（10 min）及以下阈值降水,在10—50 min预报性能一致优于传统的交叉相关外推预报。深度学习模型对降水消亡过程的时、空演变趋势刻画更好,尤其更适用于降水消亡过程的临近预报。采用两个RainNet模型相结合的滚动式预报方式优于单一模型滚动预报方式。 相似文献
5.
目前,临近预报技术主要包括外推技术、数值预报技术以及概念模型预报技术等。而业务上主流的临近预报技术以外推为主,主要以雷达资料为基础,采用雷达回波单体质心跟踪算法或雷达回波区域跟踪算法,得到雷达回波以及降水的临近外推预报。本文详细介绍了3种基于雷达回波区域跟踪算法(交叉相关回波跟踪算法、光流法和变分回波跟踪算法)的临近预报技术的国内外研究进展和基本原理。大量的研究和业务实践结果表明,雷达回波区域跟踪算法作为临近预报专家系统的核心部分,在对流天气临近预报方面有较好的可预报性,在临近预报业务时效内,外推预报结果和实况接近,优于数值模式预报。而通过对算法的不断改进,可以提升各临近预报专家系统在临近预报方面的性能。随着天气雷达技术的不断进步,天气雷达在硬件和软件两方面都逐步改进,雷达资料的数据质量明显提高,在对流天气临近预报上,基于雷达回波的区域跟踪技术会凸显其明显优势。 相似文献
6.
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
7.
雷达回波外推预报的误差分析 总被引：4，自引：0，他引：4
基于天气雷达资料的外推预报是灾害天气临近预报的基础,选取4次强降水过程分析了外推预报的误差.主要分析方法包括3个步骤:(1)采用多尺度回波跟踪方法确定雷达回波的运动场;(2)采用半拉格朗日平流方案对雷达回波进行外推;(3)预报结果和观测结果进行对比.利用去相关时间方法分析了雷达回波的可预报性,利用预报技巧评分和相对绝对误差对外推预报的误差进行了定量分析.此外,还分析了外推预报的误差与尺度之间的关系,以及外推预报中的不确定因素 回波强度变化和回波运动场变化在预报误差中的相对重要性.这4次强降水过程的误差分析表明,预报误差随预报时效的变化基本上是以指数规律递减的,大尺度的降水系统对应较长的持续性,对于发展演变较快、尺度较小的风暴,其持续性较短. 相似文献
8.
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
9.
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
10.
基于循环神经网络的雷达回波外推算法的预报结果随时间逐渐模糊失真，同时难以预报强回波区域。针对上述问题，提出一种上下文融合和注意力机制的时空长短期记忆网络模型。该方法通过上下文融合模块充分提取雷达图像不同尺度的短期上下文信息；通过注意力模块拓宽预测单元的时间感受域，使模型感知更多的时间动态。以2019—2021年4—9月江苏省气象雷达数据为样本，通过试验对比分析，基于上下文融合和注意力机制的时空长短期记忆网络取得了更好的预测性能。在外推60min，阈值为10、20、40 dBz的条件下，临界成功指数和HSS分别达到0.7611、0.5326、0.2369和0.7335、0.5735、0.3075，有效提高了预测精度。 相似文献
11.
12.
运用WRF模式（Weather Research and Forecasting Model,天气研究和预报模式）和WRFDA同化（WRF Data Assimilation,WRF资料同化）系统,探究采用物理滤波初始化四维变分同化方法提高数值预报在临近预报时效的预报能力的可能性。通过采用12 min同化窗,在不显著增加计算量的情况下,得到更协调的模式初始场,从而提高模式预报能力。选取2018年8月华北地区17个降水个例进行研究,结果表明:采用物理滤波初始化四维变分同化技术能够明显改进模式短时临近降水预报能力,明显提高对大量级降水预报的ETS评分,6 h累积降水大于25.0 mm量级的ETS评分由0.125提高到0.190,且6 h累积降水大于60.0 mm量级的ETS评分由0.016提高到0.081。研究还表明:同化雷达风场通过改进初始动力场使次网格尺度降水过程（积云参数化）快速响应,可提高短时临近时段的降水预报能力。 相似文献
13.
该文介绍了对流风暴自动临近预报系统(BJ-ANC)及其在2008年北京奥运会期间的应用。BJ-ANC是在技术引进基础上,通过本地化改进和拓展研发而形成的适合于在京津冀地区使用的对流风暴自动临近预报系统。BJ-ANC系统通过对风暴进行分析,利用临近预报算法和模糊逻辑集成技术,生成反映风暴发生、发展和消亡的分析及预报产品。系统考虑了京津冀地区边界层辐合线及地形与风暴生消发展之间的密切关系。通过对2008年实时预报结果的检验表明:系统对风暴单体在1 h内的外推预报与实际观测的风暴单体中心的距离偏差较小;系统的1 h定量降水预报和自动站的降水观测接近;系统对风暴回波的总体预报性能明显优于持续性外推方法。通过对2008年奥运期间对流风暴个例的实际应用分析表明:系统对风暴的临近预报具有指导意义,边界层辐合线对风暴的局地新生和快速演变具有明显的正面预报效果。另外,系统反演得到的对流层低层热动力三维特征提供了风暴生消、发展预报的重要判据。 相似文献
14.
局地触发及组织化发展中尺度系统的生消演变是影响对流性降水临近预报的核心和关键。本文结合雷达外推预报、专家系统以及快速循环更新的高分辨数值模式系统,发展和构造了一种适合北京地区的基于数值模式预报诊断自适应的对流性降水临近集合预报新方法（APEN）。APEN基于降水外推预报结果,采用模糊逻辑算法,利用北京市气象局快速循环更新同化系统（RMAPS-IN）提供的对流诊断因子,计算对流系统发展演变（新生、增加和减弱）概率;在此基础上,扰动诊断因子阈值和权重,形成对流发展的集合概率预报;最后综合专家经验,根据对流集合概率,在降水外推预报基础上进行对流性降水调整。应用APEN,针对北京两次强弱降水过程,进行了降水的临近预报试验,结果表明:基于RMAPS-IN多种诊断因子的对流发展集合概率在强弱两种天气背景下,都能较好的反映对流系统在临近时段的发展趋势;基于专家经验模型的三种对流发展状态（对流新生、增加和减弱）下的降水调整,能合理的表征对流系统发展演变对降水的影响。APEN降水预报和RMAPS-IN的业务预报的对比显示:无论是系统性对流过程还是局地激发对流过程,APEN预报的降水落区和强度都更接近于实况,尤其是考虑对流发展演变影响的降水强度预报明显优于RMAPS-IN,APEN在北京地区对流性降水的临近预报中有明显的优势和应用潜力。 相似文献
15.
目前，临近预报技术主要包括雷暴识别追踪和外推预报技术、数值预报技术以及以分析观测资料为主的概念模型预报技术等。其中，识别追踪和外推预报技术主要以雷达资料为基础，在这方面，交叉相关外推和回波特征追踪识别外推是比较成熟的技术，已经用于许多的临近预报业务系统中，其缺陷是预报时效较短，准确率也不是很高。随着精细数值天气预报技术和计算机技术的发展，利用多普勒天气雷达资料和其它中小尺度观测资料进行数值模式初始化，来预报雷暴的发生、发展和消亡已经成为一个研究的热点，该技术发展很快但还不成熟。概念模型预报技术主要是通过综合分析多种中小尺度观测资料，包括雷达和气象卫星资料等，在此基础上建立雷暴发生、发展和消亡的概念模型，特别是边界层辐合线和强对流的密切关系等，再结合数值模式分析预报和其它外推技术的结果，然后建立雷暴临近预报的专家系统，其不但可以获取雷暴和对流降水移动、发展的信息，还可以预报它们的生成和消亡。检验和定性评估也表明，将多种资料和技术集于一体的概念模型专家系统，其临近预报的准确率最高，时效也最长，是临近预报技术未来发展的主要趋势之一。NCAR的Auto Nowcaster系统是雷暴临近预报概念模型专家系统的一个典型代表。 相似文献
16.
A nowcasting technique based on application of the particle filter blending algorithm 总被引：2，自引：1，他引：1
To improve the accuracy of nowcasting, a new extrapolation technique called particle filter blending was configured in this study and applied to experimental nowcasting. Radar echo extrapolation was performed by using the radar mosaic at an altitude of 2.5 km obtained from the radar images of 12 S-band radars in Guangdong Province, China. The first bilateral filter was applied in the quality control of the radar data; an optical flow method based on the Lucas–Kanade algorithm and the Harris corner detection algorithm were used to track radar echoes and retrieve the echo motion vectors; then, the motion vectors were blended with the particle filter blending algorithm to estimate the optimal motion vector of the true echo motions; finally, semi-Lagrangian extrapolation was used for radar echo extrapolation based on the obtained motion vector field. A comparative study of the extrapolated forecasts of four precipitation events in 2016 in Guangdong was conducted. The results indicate that the particle filter blending algorithm could realistically reproduce the spatial pattern, echo intensity, and echo location at 30- and 60-min forecast lead times. The forecasts agreed well with observations, and the results were of operational significance. Quantitative evaluation of the forecasts indicates that the particle filter blending algorithm performed better than the cross-correlation method and the optical flow method. Therefore, the particle filter blending method is proved to be superior to the traditional forecasting methods and it can be used to enhance the ability of nowcasting in operational weather forecasts. 相似文献