基于深度卷积神经网络的阵风锋识别算法

摘要：

阵风锋作为强对流的冷性出流特征,是重要的边界层辐合系统,对其自动监测识别一直是日常气象业务中的难点,该文基于深度卷积神经网络设计了阵风锋的自动识别算法.通过对输入和输出端的重新设计,在Faster RCNN算法和Inception V2网络模型的基础上实现了通过雷达回波数据对阵风锋窄带回波实现端到端自动识别.利用雷达数据绕雷达中心旋转不变性特点,增加了数据样本,降低了需提取特征的复杂度.利用2007—2011年南京雷达数据,对该模型进行了20万步的训练,总损失函数值收敛到0.003.对识别效果的分析表明,在训练样本中识别率100％,漏识率0％,准确率87％.通过对合肥雷达2009年6月5日阵风锋天气过程的32个体扫进行模型泛化能力评估,得到识别率91.7％,漏识率8.3％,正确率73.3％.

关键词：卷积神经网络、阵风锋、自动识别、雷达资料处理

所属期刊栏目：39

分类号：P445(天气学)

资助基金：国家气象中心气象业务关键技术发展进展专项YBGJXM201802-13;浙江省科技厅重点计划项目2017C03035

在线出版日期：2020-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：81-88