用于对流风暴临近预报的多任务双流时空卷积神经网络

对流风暴临近预报的目标是对严重且迫近的对流风暴进行局部预测。此处，我们从机器学习的角度考虑对流风暴临近预报问题。首先，我们使用逐像素采样方法构建用于临近预报的时空特征，并灵活调整训练集中正负样本的比例以缓解类别不平衡问题。其次，我们采用简洁的双流卷积神经网络提取用于临近预报的空间与时间线索。这简化了网络结构，降低了训练时间需求，并提高了分类精度。该双流网络同时使用了雷达与卫星数据。在所得到的双流融合卷积神经网络中，部分参数被输入到单流卷积神经网络中，但其可学习多数据的特征。进一步，考虑到分类与回归任务的相关性，我们开发了一种预测此类任务所用标签的多任务学习策略。我们将双流多任务学习集成到单一卷积神经网络中。鉴于紧凑的架构，该网络比现有的循环神经网络更高效且更易优化。