典型文献
基于深度学习的京津冀地区精细尺度降水临近预报研究
文献摘要：
精细尺度降水的临近预报对于提升现代城市内涝和山洪地质灾害预警能力具有重要意义.深度学习作为一种新兴方法,在挖掘数据内部特征及物理规律方面更具优势,近年来在天气雷达图像领域的应用已初见成效.为进一步提升精细尺度降水的临近预报能力,基于深度学习网络模型RainNet,研究建立了两种滚动预报方式,开展了京津冀地区1 km分辨率精细尺度降水滚动式临近预报试验和对比分析.试验结果表明:与传统基于交叉相关的外推预报相比,深度学习网络模型RainNet总体可以明显改进降水1 h临近预报的绝对误差和相关系数;两个RainNet相结合的滚动预报方式对1.04 mm/(10 min)及以下阈值降水,在10-50 min预报性能一致优于传统的交叉相关外推预报.深度学习模型对降水消亡过程的时、空演变趋势刻画更好,尤其更适用于降水消亡过程的临近预报.采用两个RainNet模型相结合的滚动式预报方式优于单一模型滚动预报方式.
文献关键词：
降水;临近预报;深度学习;交叉相关;外推
中图分类号：
作者姓名：
曹伟华;南刚强;陈明轩;程丛兰;杨璐;吴剑坤;宋林烨;刘瑞婷
作者机构：
北京城市气象研究院,北京,100089;北京城市气象工程技术研究中心,北京,100089
文献出处：
引用格式：
[1]曹伟华;南刚强;陈明轩;程丛兰;杨璐;吴剑坤;宋林烨;刘瑞婷-.基于深度学习的京津冀地区精细尺度降水临近预报研究)[J].气象学报,2022(04):546-564
A类：
RainNet
B类：
京津冀地区,精细尺度,降水临近预报,现代城市,城市内涝,山洪地质灾害,灾害预警,预警能力,习作,物理规律,天气雷达,雷达图像,图像领域,初见成效,深度学习网络,滚动预报,滚动式,交叉相关,外推,绝对误差,预报性能,关外,深度学习模型,消亡,演变趋势
AB值：
0.245896
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
