序列结构的RNN模型在闪电预警中的应用
Journal of Catastrophology(2020)
摘要
应用深度学习模型对强对流天气中发生的闪电事件进行预警.根据闪电发生概率与雷达回波反射率因子的相关性研究,使用具有时间序列特性的历史雷达回波数据集,结合基于循环神经网络(Recurrent Neural Network)改进的神经单元、网络结构与损失函数,通过前2h的历史回波数据来预测未来1h内的回波形态与移动轨迹,根据预测结果进行闪电预警.检验结果表明:经过训练后的模型可以有效的预测出后续回波的生消以及dBZ数值的分布变化,在30 min的时效内能够较好的预测40 dBZ以上区域的回波特征,对发生的闪电事件进行预警.将该方法与传统的光流外推算法相比,临界成功指数CSI和HSS预报评分具有20%左右的提升,为在强对流天气下后续闪电的预警工作提供了更为精确的指导.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要