机器学习在天气预报中的典型应用研究

发布时间：2023-12-08 20:47

　　机器学习算法与传统天气预报相结合而产生的智能天气预报,有助于对天气状态进行多角度、全方位分析。未来,智能天气预报将集数值预报、统计分析、机器学习、预报产品释用于一体,实现对天气状态的无缝隙、精细化预报。预报资料的系统化预处理、海量资料的高效分发传输、精细化预报需求,使得智能天气预报面临以下三个亟待解决的问题:(1)实时预报时,如何对观测资料进行高效去噪;(2)为了高效传输、处理超分辨率数据,如何进行压缩、重构;(3)为了利用预报产品进行小尺度天气过程分析,如何插值再分析资料。立足这些问题,本文开展的工作如下:(1)针对红外高光谱通道资料的云检测。提出了基于特征通道的特征构建方法;并利用构建的特征,设计了基于logistic的红外高光谱云检测算法。实验表明,特征通道的选取思路合理;对于海上区域,检测正确率达95%以上,陆地区域加入地表发射率特征后,检测召回率提升了12%;算法适用于实时云检测。(2)红外高光谱资料压缩、重构。设计了基于谱-空卷积的HCR红外高光谱压缩重构算法。实验表明,在相同的压缩比率下,HCR的重构均方误差比传统基于主成分分析的重构均方误差降低了13.82%。(3)针对...

【文章页数】：90 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 智能天气预报与机器学习
    1.2 智能天气预报发展现状与问题
        1.2.1 智能天气预报发展历程
        1.2.2 智能天气预报发展面临的问题
    1.3 论文动机
        1.3.1 论文研究问题
        1.3.2 论文主要贡献
    1.4 论文结构
第二章 机器学习算法
    2.1 机器学习基础理论
    2.2 Logistic回归
    2.3 卷积神经网络
    2.4 高斯过程回归和与天气过程相关的核函数
        2.4.1 GPR和核技巧
        2.4.2 与天气过程相关的核函数
第三章 基于Logistic回归的红外高光谱资料云检测
    3.1 红外高光谱资料特征通道分析
    3.2 基于Logistic的红外高光谱资料云检测
    3.3 基于IASI资料的算法性能分析
        3.3.1 数据集说明
        3.3.2 地域差异分析
        3.3.3 特征通道分析
        3.3.4 算法适用性分析
    3.4 本章小结
第四章 基于谱-空卷积的HCR红外高光谱资料压缩与重构
    4.1 红外高光谱资料的特性分析
    4.2 HCR红外高光谱资料压缩重构网络
    4.3 基于IASI红外高光谱资料的算法性能分析
        4.3.1 数据集说明
        4.3.2 算法效果分析
        4.3.3 参数敏感性分析
        4.3.4 通道特性分析
    4.4 本章小结
第五章 基于高斯过程回归的预报产品天气过程插值
    5.1 高斯过程回归插值天气过程的设计思路分析
    5.2 适用于天气过程的多尺度各向异性核函数
    5.3 基于多变量校正的天气过程空间插值算法
    5.4 基于10m风场的数值试验
        5.4.1 数据集说明
        5.4.2 算法效果分析
    5.5 本章小结
第六章 总结与展望
    6.1 论文总结
    6.2 研究展望
致谢
参考文献
作者在学期间取得的学术成果
附录A IASI资料通道索引号
附录B 红外高光谱资料的PCA压缩重构分析
    B.1 红外高光谱资料的特性
    B.2 基于IASI的红外高光谱资料的特性分析
附录C IASI资料分区



本文编号：3871127