典型文献
利用深度学习开展偏振雷达定量降水估测研究
文献摘要：
利用2018-2020年经偏振升级改造后的广州S波段双偏振雷达(CINRAD/SAD)82892个体扫的0.5°仰角数据,以及雷达100 km探测范围内1109个雨量站共计538560个分钟雨量数据,分别构建了单参量、三参量雷达定量降水估测(QPE)深度学习网络架构(Z-Rnet、KDP-Rnet、Pol-Rnet),并以KDP=0.5°/km为阈值分别训练得到大雨、小雨、总体等9个定量降水估测模型.在常用的均方误差作为损失函数的基础上,对不同降水强度采用不同权重提出了自定义损失函数,并利用比率偏差、相对偏差、均方差、平均绝对误差和平均相对误差作为评价指标对模型进行评估.通过对以积层混合云为主、以对流云为主和以层状云为主的3次降水过程的模型验证结果表明,利用深度学习训练的模型有较好的定量降水估测效果,区分雨强的小雨、大雨模型比不区分雨强的总体模型的效果要好.采用自定义损失函数模型效果更好,其均方差、平均绝对误差和平均相对误差分别较采用传统均方误差损失函数提升了8.62％、12.52％、16.34％.自定义损失函数中,采用ZH-ZDR-KDP三参量网络架构训练得到的定量降水估测模型效果最好,其均方差、平均绝对误差和平均相对误差分别较采用ZH的单参量Z-Rnet架构提升6.82％、8.43％、7.22％;较采用KDP的单参量KDP-Rnet架构提升12.33％、17.61％、17.26％.
文献关键词：
深度学习;偏振雷达;定量降水估测;单参量架构;三参量架构
中图分类号：
作者姓名：
皇甫江;胡志群;郑佳锋;朱永杰;尹晓燕;左园园
作者机构：
成都信息工程大学大气科学学院,成都,610225;中国气象科学研究院灾害天气国家重点实验室,北京,100081;中国气象局大气探测重点开放实验室,成都,610225
文献出处：
引用格式：
[1]皇甫江;胡志群;郑佳锋;朱永杰;尹晓燕;左园园-.利用深度学习开展偏振雷达定量降水估测研究)[J].气象学报,2022(04):565-577
A类：
Rnet,单参量架构,三参量架构
B类：
雷达定量降水估测,升级改造,波段,双偏振雷达,CINRAD,SAD,仰角,雨量站,QPE,深度学习网络,网络架构,KDP,Pol,练得,大雨,小雨,估测模型,均方误差,损失函数,降水强度,不同权重,重提,自定义,相对偏差,平均绝对误差,平均相对误差,积层混合云,对流云,层状云,降水过程,模型验证,学习训练,雨强,函数模型,函数提升,ZH,ZDR
AB值：
0.245648
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。
