循环神经网络在雷达临近预报中的应用

作     者：韩丰 龙明盛 李月安 薛峰 王建民 Han Feng;Long Mingsheng;Li Yuean;Xue Feng;Wang Jianmin

作者机构：国家气象中心北京100081 清华大学软件学院北京100084 

出 版 物：《应用气象学报》 (Journal of Applied Meteorological Science)

年 卷 期：2019年第30卷第1期

页      面：61-69页

核心收录：

学科分类：07[理学] 070601[理学-气象学] 0706[理学-大气科学] 

基　　金：国家重点研究发展计划重点专项(2016YFB1000700) 

主　　题：雷达临近预报 循环神经网络 深度学习 

摘      要：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。