基于对抗型LSTM和时序残差网络的短临降水预测研究
发布时间:2022-10-20 12:19
强对流天气引发的降水演变快、破坏力强,严重威胁人们的生命财产安全。短临降水预测技术为强降水的预报预警提供了有力支撑。随着气象技术的发展,利用雷达回波图像进行短临降水预测已经成为一个被广泛关注的问题。当前主要的预测方法是基于雷达回波外推和多元回归相融合的方式来实现的,但准确率方面仍不足以满足业务要求。为了进一步提升准确率,本文利用深度学习相关技术,通过对雷达回波外推和多元回归两种算法进行研究,提升了短临降水预测的准确性。本文的研究工作如下:(1)针对现有基于卷积长短期记忆网络(Convolutional Long Short-Term Memory,Conv LSTM)的回波外推算法存在的不足:(a)普通卷积运算在处理局部变化特征的图像时存在局限性;(b)在外推过程中,Conv LSTM内部采用无监督学习,损失函数常被定义为均方误差(Mean Squared Error,MSE),忽略了外推图像与原始图像的分布相似性。针对上述不足,本论文提出一种改进的基于对抗型LSTM的回波外推算法。为了解决第一个不足,采用光流法追踪局部特征的方式,突破了一般卷积核面对局部变化特征的限制。为了解决第二个...
【文章页数】:61 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状及存在的问题
1.2.1 传统的短临降水预测算法
1.2.2 基于深度学习的短临降水预测算法
1.2.3 存在问题与不足
1.3 主要工作和论文结构
1.3.1 主要工作
1.3.2 内容安排
1.4 本章小结
第2章 相关技术概述
2.1 回波外推相关算法
2.1.1 光流外推法
2.1.2 RNN时序建模
2.2 多元回归相关算法
2.2.1 非线性转换关系
2.2.2 神经网络算法
2.3 特征提取与反向重构
2.3.1 卷积自编码器
2.3.2 生成对抗网络算法
2.4 本章小结
第3章 基于对抗型LSTM的雷达回波外推算法
3.1 问题分析
3.2 算法提出
3.2.1 基于Conv LSTM的时空序列建模
3.2.2 光流优化算法
3.2.3 DCGAN对抗学习
3.3 数据集与评估标准
3.3.1 回波外推数据集
3.3.2 回波外推模型评估方法
3.3.3 实验环境
3.4 实验结果与分析
3.4.1 多重反射率评估
3.4.2 可视化展示
3.5 本章小结
第4章 基于时序残差网络的降水回归算法
4.1 问题分析
4.2 Shortcut机制
4.3 算法提出
4.3.1 时序残差网络算法
4.3.2 双向LSTM增强学习
4.4 数据集与评估标准
4.4.1 降水回归预测数据集
4.4.2 回归评估标准
4.5 实验结果分析
4.6 本章小结
第5章 总结与展望
5.1 全文工作总结
5.2 未来工作展望
致谢
参考文献
作者简介
【参考文献】:
期刊论文
[1]基于数值预报和随机森林算法的强对流天气分类预报技术[J]. 李文娟,赵放,郦敏杰,陈列,彭霞云. 气象. 2018(12)
[2]数值预报解释应用现状与展望[J]. 辛洪德. 科技经济导刊. 2018(28)
[3]Statistics of the Z–R Relationship for Strong Convective Weather over the Yangtze–Huaihe River Basin and Its Application to Radar Reflectivity Data Assimilation for a Heavy Rain Event[J]. Xue FANG,Aimei SHAO,Xinjian YUE,Weicheng LIU. Journal of Meteorological Research. 2018(04)
[4]一种多时间尺度SVM局部短时临近降雨预测方法[J]. 贺佳佳,陈凯,陈劲松,徐文文,唐历,刘军. 气象. 2017(04)
[5]多普勒雷达风场资料在临近预报中的应用[J]. 刘红艳,魏鸣,管理. 大气科学学报. 2015(04)
[6]极限学习机神经网络在短期降水预报中的应用[J]. 虞双吉,苗春生,王新. 云南大学学报(自然科学版). 2013(04)
[7]基于雷达外推临近预报和中尺度数值预报融合技术的短时定量降水预报试验[J]. 程丛兰,陈明轩,王建捷,高峰,杨汉贤. 气象学报. 2013(03)
[8]短时强降水的多尺度分析及临近预警[J]. 郝莹,姚叶青,郑媛媛,鲁俊. 气象. 2012(08)
[9]多尺度合成的降水临近预报技术[J]. 王珏,张家国,万玉发. 气象科技. 2008(05)
[10]新一代天气雷达在临近预报和灾害性天气警报中的应用[J]. 张沛源,杨洪平,胡绍萍. 气象. 2008(01)
硕士论文
[1]基于雷达回波图像的短期降雨预测[D]. 张玲玲.河北师范大学 2018
本文编号:3694491
【文章页数】:61 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状及存在的问题
1.2.1 传统的短临降水预测算法
1.2.2 基于深度学习的短临降水预测算法
1.2.3 存在问题与不足
1.3 主要工作和论文结构
1.3.1 主要工作
1.3.2 内容安排
1.4 本章小结
第2章 相关技术概述
2.1 回波外推相关算法
2.1.1 光流外推法
2.1.2 RNN时序建模
2.2 多元回归相关算法
2.2.1 非线性转换关系
2.2.2 神经网络算法
2.3 特征提取与反向重构
2.3.1 卷积自编码器
2.3.2 生成对抗网络算法
2.4 本章小结
第3章 基于对抗型LSTM的雷达回波外推算法
3.1 问题分析
3.2 算法提出
3.2.1 基于Conv LSTM的时空序列建模
3.2.2 光流优化算法
3.2.3 DCGAN对抗学习
3.3 数据集与评估标准
3.3.1 回波外推数据集
3.3.2 回波外推模型评估方法
3.3.3 实验环境
3.4 实验结果与分析
3.4.1 多重反射率评估
3.4.2 可视化展示
3.5 本章小结
第4章 基于时序残差网络的降水回归算法
4.1 问题分析
4.2 Shortcut机制
4.3 算法提出
4.3.1 时序残差网络算法
4.3.2 双向LSTM增强学习
4.4 数据集与评估标准
4.4.1 降水回归预测数据集
4.4.2 回归评估标准
4.5 实验结果分析
4.6 本章小结
第5章 总结与展望
5.1 全文工作总结
5.2 未来工作展望
致谢
参考文献
作者简介
【参考文献】:
期刊论文
[1]基于数值预报和随机森林算法的强对流天气分类预报技术[J]. 李文娟,赵放,郦敏杰,陈列,彭霞云. 气象. 2018(12)
[2]数值预报解释应用现状与展望[J]. 辛洪德. 科技经济导刊. 2018(28)
[3]Statistics of the Z–R Relationship for Strong Convective Weather over the Yangtze–Huaihe River Basin and Its Application to Radar Reflectivity Data Assimilation for a Heavy Rain Event[J]. Xue FANG,Aimei SHAO,Xinjian YUE,Weicheng LIU. Journal of Meteorological Research. 2018(04)
[4]一种多时间尺度SVM局部短时临近降雨预测方法[J]. 贺佳佳,陈凯,陈劲松,徐文文,唐历,刘军. 气象. 2017(04)
[5]多普勒雷达风场资料在临近预报中的应用[J]. 刘红艳,魏鸣,管理. 大气科学学报. 2015(04)
[6]极限学习机神经网络在短期降水预报中的应用[J]. 虞双吉,苗春生,王新. 云南大学学报(自然科学版). 2013(04)
[7]基于雷达外推临近预报和中尺度数值预报融合技术的短时定量降水预报试验[J]. 程丛兰,陈明轩,王建捷,高峰,杨汉贤. 气象学报. 2013(03)
[8]短时强降水的多尺度分析及临近预警[J]. 郝莹,姚叶青,郑媛媛,鲁俊. 气象. 2012(08)
[9]多尺度合成的降水临近预报技术[J]. 王珏,张家国,万玉发. 气象科技. 2008(05)
[10]新一代天气雷达在临近预报和灾害性天气警报中的应用[J]. 张沛源,杨洪平,胡绍萍. 气象. 2008(01)
硕士论文
[1]基于雷达回波图像的短期降雨预测[D]. 张玲玲.河北师范大学 2018
本文编号:3694491
本文链接:https://www.wllwen.com/projectlw/qxxlw/3694491.html