基于图像序列的深度学习回归算法与应用研究
发布时间：2021-10-24 16:21
图像序列数据是现实世界中一类极为重要的数据,而且往往维度较高,数据规模十分庞大。目前图像序列预测被用于自动驾驶领域,取得了不错的进展。在气象预报领域,随着观测设备革新和存储技术的发展,带动了对大量雷达回波图像数据处理需求的增长。传统的雷达回波外推和降雨量预测主要依靠光流外推和统计分析方法,尽管这些方法在大部分天气过程中取得了不错的效果,但都缺少对时间序列的建模能力,并且对快速变化的天气不能很好的反应,建立有效的表征模型用于气象领域的序列预测,成为一个很有挑战性的问题。近年来深度学习在序列建模方面的优势为该问题的解决带来了新思路。本课题针对气象领域的图像预测以及建立在其基础上的降雨量估计,开展了基于深度学习的气象预报模型及应用研究。针对传统光流法无法建模快速变化的非线性运动,以及近段时间提出的ConvLSTM方法对于长序列图像预测模糊,无法建模多峰分布的不足,提出了基于生成对抗GRU的图像序列预测模型。经过对气象领域图像数据背景知识的研究和业务实际需求进行深入调研,设计了解决该问题的模型。模型采用端到端的结构,主要包括两个网络,一个网络采用序列到序列的架构,用于生成序列预测图像,另一个网...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
雷达回波数据样例本文采用的数据集来自深圳市气象局，数据包括雷达回波数据以及自动站观
哈尔滨工业大学工学硕士学位论文率因子的定义如式 2-1 所示： ( 6/ 3) = ∑ 6 表示反射率因子，单位是 6/ 3，D 表示单位体积中降雨粒率因子的大小近似的表征空气中降雨云团的含水量。该数值的标本身有关，与观测的气象雷达无关。另外，常常采用回波反BZ）来表示回波反射率的大小，公式如 2-2 所示： = 10 0( 0= 1 6/ 3) 2-2 为从 REF 格式文件解析得到的雷达回波图像，图像上的数值强弱，根据反射率的数值区间设置了不同的等级，红色代表强强度最弱。
图 2-4 基于 ConvLSTM 的序列预测模型图实验表明基于卷积 LSTM 网络可以很好的建模捕捉到图像序列的时空结构，对于解决基于雷达回波的外推问题十分有效，因此奠定了这种基于卷积拓扑的循环神经网络在处理时序图像问题的地位。2.3 回归算法模型2.3.1 Z-R 关系Z-R 关系指的是雷达回波反射率因子 Z 和降雨量 R 之间的关系，这种关系随降雨的类型和性质而发生变化。雷达气象方程为： = 31.24 2 2 2 2 1 2 2 2 2（2-13）显然，在公式 2-13 中， 31.24 2 为常数，而 2 2 是雷达自身的参数，其变化可以忽略不计，只需要定期进行校正维持数值准确即可，因此该值也可以看作为常数。 2 1 2 是和降雨云团的相态相关的参数，当相态确定后，此项也是一个
【参考文献】：
期刊论文
[1]光流法及其在临近预报中的应用[J]. 曹春燕,陈元昭,刘东华,李程,李辉,贺佳佳. 气象学报. 2015(03)
[2]数据挖掘技术在精细化温度预报中的应用[J]. 段文广,周晓军,石永炜. 干旱气象. 2012(01)
[3]光流法在强对流天气临近预报中的应用[J]. 韩雷,王洪庆,林隐静. 北京大学学报(自然科学版). 2008(05)
[4]多普勒雷达资料在暴雨临近预报中的应用[J]. 王改利,刘黎平. 气象. 2005(10)
本文编号：3455588
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
雷达回波数据样例本文采用的数据集来自深圳市气象局，数据包括雷达回波数据以及自动站观
哈尔滨工业大学工学硕士学位论文率因子的定义如式 2-1 所示： ( 6/ 3) = ∑ 6 表示反射率因子，单位是 6/ 3，D 表示单位体积中降雨粒率因子的大小近似的表征空气中降雨云团的含水量。该数值的标本身有关，与观测的气象雷达无关。另外，常常采用回波反BZ）来表示回波反射率的大小，公式如 2-2 所示： = 10 0( 0= 1 6/ 3) 2-2 为从 REF 格式文件解析得到的雷达回波图像，图像上的数值强弱，根据反射率的数值区间设置了不同的等级，红色代表强强度最弱。
图 2-4 基于 ConvLSTM 的序列预测模型图实验表明基于卷积 LSTM 网络可以很好的建模捕捉到图像序列的时空结构，对于解决基于雷达回波的外推问题十分有效，因此奠定了这种基于卷积拓扑的循环神经网络在处理时序图像问题的地位。2.3 回归算法模型2.3.1 Z-R 关系Z-R 关系指的是雷达回波反射率因子 Z 和降雨量 R 之间的关系，这种关系随降雨的类型和性质而发生变化。雷达气象方程为： = 31.24 2 2 2 2 1 2 2 2 2（2-13）显然，在公式 2-13 中， 31.24 2 为常数，而 2 2 是雷达自身的参数，其变化可以忽略不计，只需要定期进行校正维持数值准确即可，因此该值也可以看作为常数。 2 1 2 是和降雨云团的相态相关的参数，当相态确定后，此项也是一个
【参考文献】：
期刊论文
[1]光流法及其在临近预报中的应用[J]. 曹春燕,陈元昭,刘东华,李程,李辉,贺佳佳. 气象学报. 2015(03)
[2]数据挖掘技术在精细化温度预报中的应用[J]. 段文广,周晓军,石永炜. 干旱气象. 2012(01)
[3]光流法在强对流天气临近预报中的应用[J]. 韩雷,王洪庆,林隐静. 北京大学学报(自然科学版). 2008(05)
[4]多普勒雷达资料在暴雨临近预报中的应用[J]. 王改利,刘黎平. 气象. 2005(10)
本文编号：3455588
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3455588.html
