融合雷达回波时空特征的下击暴流智能识别方法
Modern Electronics Technique（2022）
Abstract
当前利用雷达等气象资料对下击暴流进行识别预警的准确性很低,因此文中提出一种以深度神经网络为基础的下击暴流智能识别方法.该方法以雷达回波时序图像和雷达径向速度场时序图像作为输入,将两种图像的时空四维特征融合到深度神经网络中,通过深度学习寻求"雷达回波图像和径向速度场图像"与"是否发生下击暴流"之间的函数映射关系.运用数据增强和损失函数优化技术,改善因样本数据不均衡所导致的识别结果偏向于样本中大概率事件的问题.再结合K折交叉验证,避免模型训练过程陷入局部极值.实验结果表明,文中方法对下击暴流识别的成功率达到95％,可实现对其识别预警的自动化,增强预报的时效性,同时该方法也适用于小尺度天气系统中对因下沉气流辐散所形成的大风的识别.
MoreAI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined