典型文献
基于雷达反射率因子和雷电定位数据的深度学习雷电预报模型
文献摘要：
利用卷积神经网络和门控循环单元(Gated recurrent units)神经网络,基于雷达反射率因子和雷电定位数据开展了雷电预报研究.首先构建了引用注意力机制的基于卷积神经网络和门控循环单元神经网络的深度学习模型(Attention-ConvGRU);然后将雷达反射率因子数据和对应时间段(6 min)的雷电定位数据处理成图像数据后输入深度学习模型,训练出可预报雷电的模型,包括3种模型:单雷电数据模型、单雷达数据模型和雷电-雷达双数据模型;最后开展了预报试验和定量评估.综合评估表明,本文建立的雷电预报模型综合预报准确率达到96.74％,虚警率35.83％,关键成功指数(Critical Success Index,CSI)为0.2072.个例分析表明,预报模型对于具有明显移动趋势的雷暴过程(A类雷暴)的预报效果优于不具有明显移动趋势的雷暴过程(B类雷暴),且随着B类雷暴强度减弱模型预报能力逐渐减弱.
文献关键词：
雷达反射率因子;雷电;卷积神经网络;门控循环单元;雷电预报
中图分类号：
作者姓名：
李健;王宇;刘泽;李哲;吴大伟;陶汉涛;张磊
作者机构：
南瑞集团(国网电力科学研究院)有限公司,南京211106;国网电力科学研究院武汉南瑞有限责任公司,武汉430074;电网雷击风险预防湖北省重点实验室,武汉430074
文献出处：
引用格式：
[1]李健;王宇;刘泽;李哲;吴大伟;陶汉涛;张磊-.基于雷达反射率因子和雷电定位数据的深度学习雷电预报模型)[J].气象科技,2022(05):724-733
A类：
雷电预报
B类：
雷达反射率因子,雷电定位,定位数据,预报模型,Gated,recurrent,units,注意力机制,门控循环单元神经网络,深度学习模型,Attention,ConvGRU,成图,图像数据,练出,数据模型,雷达数据,双数,定量评估,评估表,型综合,综合预报,预报准确率,虚警率,功指数,Critical,Success,Index,CSI,个例分析,雷暴过程,预报效果
AB值：
0.271505
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。
