基于卷积门控循环单元神经网络的临近预报方法研究

摘要：

基于天气雷达资料的外推预报是灾害天气0～2h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.

关键词：临近预报、ConvGRU、雷达回波

所属期刊栏目：40

分类号：P456.1(天气预报)

资助基金：广东省科技厅科技项目;广东省科技厅科技项目;广东省科技厅科技项目;国家自然科学基金;广东省气象局重点研究项目;中国气象局预报员专项

在线出版日期：2021-05-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：411-423