检索结果-南通市图书馆

四种机器深度学习算法对武汉地区雷达回波临近预报的检验和评估

在线全文

学校读者我要写书评

暂无评论

气象 2022年第4期48卷 428-441页

作者：袁凯李武阶李明庞晶武汉市气象台武汉430040

基于PredRNN++、MIM、CrevNet和PhyDNet四种机器深度学习算法,利用武汉地区2012—2019年的雷达和降水资料,开展了人工智能技术在武汉地区临近预报中的应用研究,根据均方误差(MSE)、结构相似性指数(SSIM)、命中率(POD)、虚警率(FAR)和临... 详细信息

基于PredRNN++、MIM、CrevNet和PhyDNet四种机器深度学习算法,利用武汉地区2012—2019年的雷达和降水资料,开展了人工智能技术在武汉地区临近预报中的应用研究,根据均方误差(MSE)、结构相似性指数(SSIM)、命中率(POD)、虚警率(FAR)和临界成功指数(CSI)等指标检验评估了四种机器学习算法对武汉地区雷达回波临近预报的预报性能,并以半拉格朗日光流法进行了对比,得到以下主要结论:MIM算法的MSE和FAR最低,SSIM最高;PredRNN++算法的POD和CSI最高。机器深度学习算法的POD、CSI和SSIM均高于光流法,FAR和MSE则更低,其中SSIM、POD、CSI三种指标的提升幅度在3.2%~24.7%,MSE和FAR两种指标的降幅在13.1%~43.3%。30 min以内,除CrevNet外,其余三种机器学习算法和光流法的预报能力较为接近;30 min以后,深度学习算法和光流法都随着预报时效的延长,预报能力均显著下降,但机器学习算法下降得更缓慢,尤其是60 min以后光流法的降幅进一步增加,显示出机器学习长预报时效的优势。此外,机器学习算法之间针对不同评分指标在不同预报时效的下降速度并不一致。PredRNN++算法在所有强度上CSI均表现最佳,MIM和PhyDNet两种算法对≥40 dBz的回波预报、CrevNet算法对≥50 dBz的回波预报均好于光流法。机器学习算法和光流法都随着回波强度的增加,CSI和POD迅速降低,FAR快速上升,但机器学习算法的FAR上升得更慢。四个不同回波形态、不同发展趋势个例的分析结果表明,机器学习算法不仅具备对一定回波强度变化的预报能力,而且对回波强度和面积变化趋势的时间节点预报也与实况基本一致。此外,机器学习算法对回波运动的预报能力明显强于光流法,显示出机器学习算法良好的应用前景。

关键词：机器深度学习雷达回波临近预报检验评估

深度学习模型TAGAN在强对流回波临近预报中的应用

在线全文

学校读者我要写书评

暂无评论

大气科学 2022年第4期46卷 805-818页

作者：胡家晖卢楚翰姜有山何婧南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心南京210044 南京市气象局南京210009

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... 详细信息

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。

关键词：临近预报时空预测深度学习雷达回波

卷积门控循环单元神经网络与光流法在临近预报中的适用性研究

在线全文

学校读者我要写书评

暂无评论

气象 2022年第11期48卷 1361-1372页

作者：张智察罗玲陈列李文娟赵放黄旋旋钟琦罗然浙江省气象台杭州310017 中国气象局气象干部培训学院北京100081

深度学习目前在临近预报的雷达外推应用中发展迅速,对其适用性的客观评估是业务应用的重要前提。利用粤港澳大湾区雷达回波开放数据集,基于回波图像形态、命中率、虚警率以及技巧评分,对比评估了卷积门控循环单元神经网络(ConvGRU)与基... 详细信息

深度学习目前在临近预报的雷达外推应用中发展迅速,对其适用性的客观评估是业务应用的重要前提。利用粤港澳大湾区雷达回波开放数据集,基于回波图像形态、命中率、虚警率以及技巧评分,对比评估了卷积门控循环单元神经网络(ConvGRU)与基于半拉格朗日平流方案的快速稠密光流法(OF)在未来120 min雷达回波外推中的效果,结果表明ConvGRU与OF虽外推效果良好,但均不适用于外推回波的生成、加强以及局地分散性特征,且外推效果显著受到天气过程种类的影响。其中,ConvGRU可能更适用于外推分布范围适中且运动简单的回波的主体位置,但回波的强度不稳定且形态模糊,其无法表征回波的精细化运动规律与演化特征;OF更适用于外推50 dBz以上的强回波,且回波结构更优,但在回波缺测区与强度少变区内的外推易存在很大的分布偏差。深度学习的数据集样本数是决定模型效果的最重要原因之一,但样本数实际未能全面覆盖各类天气过程,总体仍偏少,预报业务需进一步扩增。

关键词：临近预报雷达回波外推深度学习光流

基于静止卫星光谱和人工智能的中尺度对流降水临近预报研究

在线全文

学校读者我要写书评

暂无评论

地球科学进展 2023年

作者：韦斯迎杨元建万秉成范俊红曲晓黎米佳芹南京信息工程大学大气物理学院南京信息工程大学大气科学学院河北省气象服务中心

降雨的临近预报有助于提供强降雨和洪水的预警，在灾害天气频发的中国东部地区尤为重要。使用Himawari-8卫星红外波段亮温数据、中国地面自动站降水数据和ERA5再分析物理量资料，利用卫星云顶亮温资料识别中尺度对流系统，将机器学习特... 详细信息

降雨的临近预报有助于提供强降雨和洪水的预警，在灾害天气频发的中国东部地区尤为重要。使用Himawari-8卫星红外波段亮温数据、中国地面自动站降水数据和ERA5再分析物理量资料，利用卫星云顶亮温资料识别中尺度对流系统，将机器学习特征算法筛选的特征变量作为模型输入数据，运用Stacking集成学习算法建立分类模型和回归模型，以预测未来1小时降水量，并应用TS评分、混淆矩阵和相关系数等指标对预报结果进行检验分析。结果表明：静止气象卫星云顶亮温数据在降水类型识别，乃至降水定量预测方面都有显著作用；分类—预测算法在中尺度对流系统降水邻近预报方面表现良好，相关系数和均方根误差分别为0.811 mm/h和0.14 mm/h，预测结果优于单独回归模型。可见，融合模型具有更强、更稳定的预报性能。

关键词：临近预报 Himawari-8卫星中尺度对流系统多模型融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

不同天气背景下京津冀降水临近外推预报

应用气象学报 2022年第3期33卷 270-281页

作者：王玉虹 Bica Benedikt 河北省气象台石家庄050021 奥地利国家气象局维也纳1190

基于2019—2020年京津冀地区不同天气系统影响下的降水过程,采用交叉相关法和光流法对快速更新多尺度分析和预报综合集成系统(Rapid-refresh Multi-Scale Analysis and Prediction System-Integration,RMAPS_IN)的降水分析产品进行0~2 ... 详细信息

基于2019—2020年京津冀地区不同天气系统影响下的降水过程,采用交叉相关法和光流法对快速更新多尺度分析和预报综合集成系统(Rapid-refresh Multi-Scale Analysis and Prediction System-Integration,RMAPS_IN)的降水分析产品进行0~2 h临近外推预报的批量试验。结果表明:由交叉相关法和光流法计算的两种外推矢量在大小和方向上存在一定差异,直接差异与影响降水的天气系统位置有明显的对应关系,而方向差异受地理位置的影响更明显,台风类降水呈弧形带状分布,低槽冷锋类、低涡类、气旋类、暖切变线类等几类降水均呈西北大东南小的特点;预报效果方面,总体上交叉相关法优于光流法,尤其是预报时效超过30 min以后,各种降水类型的批量检验结果显示交叉相关法的预报评分优于光流法,且预报时效越长、优势越明显,但预报时效为10 min时,光流法在低涡类、台风类、暖切变线类的空报率上优于交叉相关法。此外,基于外推的临近预报方法对京津冀地区台风类降水的预报效果最好,其次为暖切变线类、低涡类、低槽冷锋类、气旋类。

关键词：临近预报交叉相关法光流法 RMAPS_IN

在线全文

学校读者我要写书评

暂无评论

基于生成对抗网络和卫星数据的云图临近预报

应用气象学报 2023年第2期34卷 220-233页

作者：肖海霞张峰王亚强唐飞郑玉南京气象科技创新研究院、中国气象局交通气象重点开放实验室南京210041 上海期智研究院上海200232 复旦大学大气与海洋科学系/大气科学研究院上海200438 中国气象科学研究院北京100081

利用风云四号气象卫星A星(FY-4A)红外云图,基于生成对抗网络方法,提出了红外云图外推预报模型,实现了华东区域未来3 h的云图预报,预报的时空分辨率分别为1 h和4 km。结果表明:该外推模型预报的云图可较好描述云团移动、发展和减弱趋势,... 详细信息

利用风云四号气象卫星A星(FY-4A)红外云图,基于生成对抗网络方法,提出了红外云图外推预报模型,实现了华东区域未来3 h的云图预报,预报的时空分辨率分别为1 h和4 km。结果表明:该外推模型预报的云图可较好描述云团移动、发展和减弱趋势,对研究区域内云团的强度、位置和形态得到较为理想的预报效果。为了验证提出的云图外推模型的有效性,将其与光流法和轨迹门控循环单元模型进行比较。对比试验结果表明:该云图外推模型具有最优的预报效果,说明使用生成对抗网络进行云图外推具有较好的可行性,能有效应用于气象业务中监测云团的生消和移动并提前预警灾害性天气的发生,为天气预报提供重要的参考依据。

关键词：卫星云图临近预报深度学习生成对抗网络

基于深度学习的京津冀地区精细尺度降水临近预报研究

在线全文

学校读者我要写书评

暂无评论

气象学报 2022年第4期80卷 546-564页

作者：曹伟华南刚强陈明轩程丛兰杨璐吴剑坤宋林烨刘瑞婷北京城市气象研究院北京100089 北京城市气象工程技术研究中心北京100089

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... 详细信息

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。

关键词：降水临近预报深度学习交叉相关外推

雷达测雨及临近预报在中小流域水文视角下的应用评估

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

科学技术与工程 2022年第23期22卷 10247-10254页

作者：糜佳伟田济扬薛海邱庆泰刘荣华华北水利水电大学水利学院郑州450046 中国水利水电科学研究院北京100044 水利部防洪抗旱减灾工程技术研究中心北京100044 中国电建集团北京勘测设计研究院有限公司北京100024 山东农业大学水利与土木工程学院泰安271018

地面雨量站是中小流域降雨监测的主要手段,但雨量站稳定性相对较差、运维成本高、监测留有盲区,而天气雷达能够快速获得覆盖范围内的高分辨率面雨量监测数据,一定程度上能够弥补雨量站监测的不足。选取了2012年“苏拉”、 2014年“海贝... 详细信息

地面雨量站是中小流域降雨监测的主要手段,但雨量站稳定性相对较差、运维成本高、监测留有盲区,而天气雷达能够快速获得覆盖范围内的高分辨率面雨量监测数据,一定程度上能够弥补雨量站监测的不足。选取了2012年“苏拉”、 2014年“海贝思”、2016年“尼伯特”三场台风在梅溪流域引发的三场不同类型降雨过程,探究了雷达测雨及临近预报在中小流域水文预报中的应用前景。采用24 h累积雨量相对误差RE、时空两个维度均方根误差与相应维度均值的比值m-RMSE、平均绝对误差RMAE和平均偏差RMB等指标,开展基于地面雨量站的观测值评估雷达测雨以及1、2、3 h预见期的集合临近预报。结果表明:雷达测雨总体上与地面雨量站观测值较为接近,不同类型降雨的RE值均在3%左右;时空分布均匀的降雨,临近预报效果优于短历时降雨和强降雨的临近预报效果,且随着预见期的延长,时空分布均匀的降雨预报效果更稳定,短历时降雨和强降雨的预报精度下降明显。因此,高时空分辨率的雷达测雨及临近预报在中小流域水文预报中有较好的应用前景,但短历时降雨和强降雨还需进一步研究。

关键词：雷达测雨临近预报中小流域强降水识别

U-Net模型在京津冀临近降水预报中的应用和检验评估

在线全文

学校读者我要写书评

暂无评论

气象科学 2022年第6期42卷 781-792页

作者：徐成鹏曹勇张恒德刘海知梅双丽国家气象中心北京100081

利用2018—2019年期间10 min定量降水估计(Quantitative Precipitation Estimation,QPE)实况观测,构建基于U-Net的分钟级临近降水预报模型,实现了京津冀地区未来0~2 h逐10 min降水量滚动预报。以TS、BIAS、POD、SR、FAR作为评价指标,通... 详细信息

利用2018—2019年期间10 min定量降水估计(Quantitative Precipitation Estimation,QPE)实况观测,构建基于U-Net的分钟级临近降水预报模型,实现了京津冀地区未来0~2 h逐10 min降水量滚动预报。以TS、BIAS、POD、SR、FAR作为评价指标,通过检验2020和2021年6—9月长序列以及分析2020年8月12日和2021年7月1日两次强降水个例,表明U-Net模型预报接近实况,局部伴随着一定程度的空报,相较光流法、持续性预报及CMA-MESO模式预报效果有明显提升。具体表现为:当分钟级降水预报不超过10 mm/(10 min)时,U-Net模型明显优于光流法和持续性预报;当小时预报不超过25 mm·h^(-1),U-Net模型优于CMA-MESO模式和光流法。然而,当降水强度超过10 mm/(10 min)或25 mm·h^(-1)时,U-Net模型存在预报偏弱的情况,可能与强降水样本较少有关。

关键词：深度学习定量降水临近预报