典型文献
深度学习方法在强降水临近预报技术中的应用及其改进思考
文献摘要：
如何有效将基于预报员经验的、不受物理公式约束的强降水天气特征作为先验知识融入到深度学习模型,是提升强降水临近预报准确率面临的重要挑战之一.首先,简述了目前主流的深度学习模型以及一些已开展的针对深度学习模型可解释性的探索成果;然后,对目前常用的几种强降水临近预报方法进行了简单介绍;最后,通过对深度学习方法在强降水临近预报技术中改进的思考,提出了将先验知识融入到深度学习模型的可能途径,具体包括:将一些经验特征进行量化或自动识别后作为模型输入,将预先提取的特征作为模型标签,在模型架构中嵌入先验知识的量化编码,结合可求导的检验指标设计损失函数对模型进行优化;同时指出,需要提高对强降水临近预报产品的主客观评估的一致性,以便能更好地确定强降水临近预报技术的改进方向.
文献关键词：
深度学习;强降水;临近预报;先验知识
中图分类号：
作者姓名：
张亚萍;张焱;翟丹华;刘伯骏;周国兵
作者机构：
重庆市气象台,重庆401147
文献出处：
引用格式：
[1]张亚萍;张焱;翟丹华;刘伯骏;周国兵-.深度学习方法在强降水临近预报技术中的应用及其改进思考)[J].暴雨灾害,2022(05):506-514
A类：
B类：
深度学习方法,强降水,降水临近预报,预报技术,改进思考,预报员,物理公式,降水天气,天气特征,先验知识,深度学习模型,预报准确率,模型可解释性,预报方法,自动识别,别后,模型输入,模型架构,量化编码,可求,求导,检验指标,指标设计,损失函数,预报产品,主客观,客观评估,改进方向
AB值：
0.307593
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。
