一种改进的循环神经网络雷达图像外推算法.pdf

"一种改进的循环神经网络雷达图像外推算法" 在气象科技领域，准确的雷达图像外推对于临近强降水预报具有重要意义。本文提出了一种改进的循环神经网络雷达图像外推算法，以提高外推模型的精度和时空相关性。 本文对现有的ConvLSTM和TrajGRU模型进行了分析和改进，从输入雷达数据层数和修改模型损失函数两个方面对循环神经网络外推模型进行了改进。 然后，本文对改进的外推模型进行了试验，结果表明，改进的外推模型能够更好地捕捉时空相关性，具有更高的外推精度。 在气象科技领域，雷达图像外推被视为对时间序列图像变化趋势的估计和预测，即用“现在”的一段时间内的雷达图像预测“未来”一定时间内的雷达图像。这项工作在气象领域称为雷达预测外推或直接称为雷达外推。 临近预报通常是指对未来〇〜2h内的天气预报，临近强降水预报目标是准确、及时地预报未来〇〜2h内的降水强度和分布。较短时预报、短期预报、中期预报而言更具挑战性，雷达回波外推结果能够为临近降水预报提供直接的雷达图像参考。 如何快速、准确地外推出气象雷达图像序列已经成为气象领域研究的热点之一。雷达固有波外推的目的是指根据气象雷达图像预测“未来”的雷达图像，确定回波的强度分布、回波体的移动速度和方向，进而分析强回波相关状态生成、发展、消亡的过程。 传统基于形态学的雷达回波外推技术主要有单体质心法和交叉相关法。单体质心法是简化目标，适用于较大n标跟踪预报，当雷达回波比较零散或出现合并、分裂现象时，外推预报的准确度会受到很大影响。交叉相关法是选取两个连续时次的空间优化相关系数建立拟合关系，对于回波变化较快的强对流天气过程，很难保证外推追踪的精度，外推效果将会降低。 光流法由Gibson于1950提出，在图像和视频处理领域光流法常用于运动矢量估计，正是具有限制运动信息的功能，近年来光流法也应用于多普勒天气雷达回波图像外推。光流法本质是利用相邻两个图像估计运动矢量，在时间域内没有充分利用更长时间上的图像信息。 本文提出了一种改进的循环神经网络雷达图像外推算法，能够更好地捕捉时空相关性，具有更高的外推精度，为临近强降水预报提供了直接的雷达图像参考。