基于梯度预测网络的气象雷达图像外推算法

• 作者: 张晋文 李腾 年福东 阎庆 苗开超 张亚力 汪翔
• 来源期刊: 扬州大学学报（自然科学版）
• 关键词: 图像序列 雷达图像 外推预测 深度学习
• 年，卷（期）: 2021,（2）
• 页码范围: 61-65
• 页数: 5页
• 分类号: TP751.1
• 语种: 中文
• DOI: 10.19411/j.1007-824x.2021.02.011

摘要

针对基于循环神经网络的雷达图像外推算法难以表示雷达回波复杂变化的问题,提出GhuLSTM时空预测递归网络模型,用于高精度雷达图像外推.该模型利用时空记忆单元变体提取和传递雷达图像空间和时序上的高层特征信息,并利用相邻递归状态之间的差分信号处理雷达回波体演变的高阶非平稳性.同时在网络中加入梯度公路结构,以缓解雷达图像序列外推中时序梯度快速消失的趋势.试验结果表明,相较于目前主流的雷达回波外推算法,该模型的均方误差降低了18.9％,平均绝对误差降低了2.8％,峰值信噪比提升了5.5％.