基于电场特征和深度学习的雷电预警方法
Southern Power System Technology（2023）
Abstract
针对现有基于大气电场的雷电预警方法效果不佳的问题,提出了一种基于大气电场特征和深度学习算法的雷电预警方法.首先利用集成经验模态分解提取大气电场的频域特征,通过稀疏自编码器对上述提取的特征作进一步的维度压缩,并结合LSTM神经网络对是否为雷暴天气加以区分,最后利用闪电定位数据对该方法的有效性进行了检验.结果表明:该雷电预警方法可以较为准确的对雷电进行预测,且采用45 min的电场时间序列准确率最高,可以达到81％.相比传统方法,所提出的算法可针对不同地区的状况进行适应性的训练和调试,具有普适性.随着模型运行时间加长、数据量加大,可进行更新迭代,以确保预报性能不断提升.由此可见,该雷电预警方法对进一步提高广州市雷电防护水平具有参考价值和指示意义.
MoreTranslated text
Key words
atmospheric electric field,EEMD,auto encoder,LSTM,lightning forecast
AI 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