| 深度学习模型在2021年汛期武汉市雷达回波临近预报中的应用评估 |
| |
| 引用本文： | 袁凯,庞晶,李武阶,李明.深度学习模型在2021年汛期武汉市雷达回波临近预报中的应用评估[J].甘肃气象,2023(1):173-185. |
| |
| 作者姓名： | 袁凯 庞晶 李武阶 李明 |
| |
| 作者单位： | 湖北省武汉市气象台 |
| |
| 摘 要： | 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...
|
| 关 键 词： | 深度学习模型 光流法 雷达回波 临近预报 检验评估 |
|
|
