基于深度學習的多普勒氣象雷達回波外推算法研究.pdf

1、強對流天氣演變迅速、破壞性強，是具有重大殺傷性的災害性天氣之一，嚴重威脅人們的生命財產(chǎn)安全。臨近天氣預報是對強對流天氣進行監(jiān)測和預警的主要手段，通常使用雷達回波外推和數(shù)值預報相結(jié)合的方法。雷達回波外推是指根據(jù)當前的雷達回波數(shù)據(jù)，推算預測未來的回波數(shù)據(jù)，是2小時以內(nèi)的臨近天氣預報使用的主要方法。
　　傳統(tǒng)的雷達回波外推方法在回波穩(wěn)定時表現(xiàn)較好，可以較為準確地跟蹤回波運動變化，但對于回波變化較快的天氣過程，預測準確率大幅下降。此外，傳

2、統(tǒng)的雷達回波外推方法的預測時效較短，準確性隨預測時長的增加快速下降。隨著中國新一代多普勒天氣雷達逐漸部署使用，如何改進雷達回波外推算法，有效利用多普勒天氣雷達回波數(shù)據(jù)來提高臨近天氣預報的準確性和時效，是一個意義重大的研究方向。
　　本論文首先分析了新一代多普勒天氣雷達CINRAD-SA的工作方式和回波數(shù)據(jù)，并對當前主流的雷達回波外推算法進行了介紹和分析。根據(jù)雷達回波的時序性特性，本論文引入了深度學習領(lǐng)域用于解決時序問題的RNN網(wǎng)絡(luò)

3、，在研究和分析了RNN網(wǎng)絡(luò)的原理和特性后，使用RNN網(wǎng)絡(luò)中的LSTM模型應用于雷達回波外推問題。最后，根據(jù)LSTM模型對雷達回波外推問題的實踐，提出了一種基于LSTM模型的RET-RNN（Radar Echo Tracking RNN）模型，并在實踐過程中對RET-RNN模型的學習率調(diào)整策略和激活函數(shù)進行了優(yōu)化。
　　在氣象學中，反射率因子與降水的強度具有一定程度的關(guān)聯(lián)，由雷達回波生成的反射率因子圖是測量短期臨時降水的重要工具。本