基于卷积门循环单元和气象雷达图像的临近降水预报

摘要：

现有的深度神经网络预测模型主要是通过学习单一高度下的雷达回波图像序列的特征预测未来时间段回波序列.然而,这种模型并不能直接预测目标站点未来一段时间内的降水量.鉴于此,提出了一种基于卷积门循环单元(Con-volutional Gated Recurrent Unit,ConvGRU)神经网络的临近降水预报模型.对目标站点不同高度的雷达回波图像做卷积,同一高度的卷积图像通过GRU(Gated Recurrent Unit)学习云团运动过程中的时序特征,将不同高度时序图像的学习特征聚合到全连接层中进行训练,输出目标站点未来1h～2h的降水量.实验分析表明,该模型在未来1h～2h的降水预报中取得了较好的预报精度.

关键词：卷积神经网络;门循环单元;临近预报;雷达图像

所属期刊栏目：49

分类号：TN95

资助基金：国家自然科学基金项目;物联网产业化与智能生产协同创新中心闽江学院开放基金项目

在线出版日期：2021-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1538-1542