科研之友
微信
新浪微博
Facebook
分享链接
摘要
中国已初步建立30天内的无缝隙气象预报系统。天气预报根据模型方法可分为基于数值的预报与基于数据的预报。前者依托数学与物理方法，通过多种气象要素的参数求解方程从而得到对应的预报结果，而后者则依托近些年兴起的统计学习方法与深度学习技术，通过总结并学习历史数据中的非线性关系生成预报结果。虽然，基于数据的深度学习方法在预报领域研究热度极高，但其目前在气象领域仍然属于起步阶段，将其运用于气象部门的预报体系仍存在许多挑战，其中之一便是模型精度。雷达回波外推是临近预报的重要手段，近些年出现了许多卓有成效的方法，例如ConvLSTM、PredRNN等。但此类基于RNN的深度学习模型在堆叠单元时并未考虑到过深的网络可能会产生更多的偏差。因此本文设计了一种雷达回波外推系统，应用本文提出的RC-LSTM模型，在使用规划采样的同时，为每一层堆叠的ConvLSTM单元添加了残差连接，使得模型在更深的同时保留原有小模型的学习能力，保证网络最大限度降低空间维度的历史信息损耗，从而提高长时效雷达回波外推的精度。
- 单位
