序列结构的RNN模型在闪电预警中的应用

• 作者: 杨仲江 王昊 马俊彦
• 来源期刊: 灾害学
• 学科: 地球科学
• 关键词: 闪电预警 深度学习 神经网络 LSTM
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 预测·防治与对策
• 页码范围: 90-96
• 页数: 7页
• 分类号: X43|P49|X915.5
• 字数: 4600字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-811X.2020.02.018

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨仲江	南京信息工程大学中国气象局气溶胶与云降水重点开放实验室	71	650	15.0	22.0
5	王昊	南京信息工程大学中国气象局气溶胶与云降水重点开放实验室	3	1	1.0	1.0
9	马俊彦	南京信息工程大学中国气象局气溶胶与云降水重点开放实验室	2	0	0.0	0.0