典型文献
自注意力机制改进U-Net网络的强积冰云层预测
文献摘要：
针对传统时空序列的雷达回波外推方法易出现低层信息及强回波区信息丢失的问题,提出了一种适用于任意尺寸特征图输入的新型GC-ResUNet网络预测模型.模型主框架采用U-Net神经网络解决了低层信息丢失的问题,同时引入GCNet自注意力机制解决了强回波区特征丢失的问题.以2018—2020年间沿海雷达回波拼图为数据样本,以临界成功指数、探测率、虚警率为评价标准进行实验.仿真结果表明,该模型对于未来1h内的中低强度回波的预测成功率相比于传统光流法提升20％左右,对于强回波的预测成功率提升33％～70％.
文献关键词：
GC-ResUNet;雷达回波外推;自注意力机制;积冰云层预测;时空序列预测
中图分类号：
作者姓名：
翟辰飞;董文瀚;张晓敏;李大东;陈晓军
作者机构：
空军工程大学,西安 710038;中国飞行试验研究院,西安 710089;中国人民解放军94816部队;中国人民解放军93135部队
文献出处：
引用格式：
[1]翟辰飞;董文瀚;张晓敏;李大东;陈晓军-.自注意力机制改进U-Net网络的强积冰云层预测)[J].计算机工程与应用,2022(22):297-304
A类：
积冰云层预测
B类：
自注意力机制,机制改进,强积,雷达回波外推,外推方法,低层,信息丢失,特征图,ResUNet,GCNet,海雷达,拼图,功指数,探测率,虚警率,1h,低强度,光流法,功率提升,时空序列预测
AB值：
0.31399
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。
