基于时空记忆解耦RNN的雷暴预测方法

摘要：

使用循环神经网络进行雷暴的外推预测,利用气象雷达历史反射率因子资料给出未来一小时的雷暴预测结果.网络的核心是时空长短时记忆(spatiotemporal long short-term memory,ST-LSTM)单元,加入了记忆解耦结构以分离时间记忆和空间记忆状态.在香港天文台(Hong Kong Observatorg,HKO)的HKO-7数据集的基础上筛选雷暴数据,构建训练及测试数据集.将有记忆解耦结构、无记忆解耦结构的ST-LSTM网络和MIM(memory in memory)网络以及传统的单体质心法进行比较.预报评分因子数值比较和个例分析检验结果表明,预测神经网络在探测成功概率、临界成功指数上均高于单体质心法,虚警率低于单体质心法.加入记忆解耦结构的网络预报因子评分高于ST-LSTM网络和MIM网络,雷暴回波外推的预测效果更好,尤其是强回波的预测效果更好.

关键词：循环神经网络、雷暴预测、气象雷达、深度学习

所属期刊栏目：45

分类号：TN959.4

资助基金：工信部民机专项资助课题MJ-2018-S-28

在线出版日期：2023-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：3474-3480