一种用于对流风暴临近预报的三维卷积-循环网络
计算机视觉与模式识别
2020-11-11 v2 大气与海洋物理
地球物理
摘要
极短期对流风暴预报，称为临近预报，长期以来是一个重要问题并引起了广泛关注。现有临近预报方法主要依赖雷达图像，在风暴初生与增长预报方面存在局限。数值模式提供的气象数据实时再分析给出了关于三维（3D）、大气、边界层热动力学（如温度与风）的有价值信息。为挖掘此类数据，我们在此开发了一种卷积-循环混合深度学习方法，具有以下特点：（1）使用基于单元的过采样以增加训练样本数，这缓解了类不平衡问题；（2）使用原始 3D 雷达数据与经多源 3D 卷积再分析的 3D 气象数据，无需任何手工特征工程；（3）将卷积神经网络堆叠于长短期记忆编码器/解码器之上，以学习对流过程的时空模式。实验结果表明，我们的方法优于其他外推方法。定性分析给出了令人鼓舞的临近预报结果。
引用
@article{arxiv.1910.00527,
title = {A Three-dimensional Convolutional-Recurrent Network for Convective Storm Nowcasting},
author = {Wei Zhang and Wei Li and Lei Han},
journal= {arXiv preprint arXiv:1910.00527},
year = {2020}
}
备注
13 pages, 11 figures, accepted by 2019 IEEE International Conference on Big Knowledge The copyright of this paper has been transferred to the IEEE, please comply with the copyright of the IEEE