序列结构的RNN模型在闪电预警中的应用
【摘要】 应用深度学习模型对强对流天气中发生的闪电事件进行预警。根据闪电发生概率与雷达回波反射率因子的相关性研究，使用具有时间序列特性的历史雷达回波数据集，结合基于循环神经网络(RecurrentNeuralNetwork)改进的神经单元、网络结构与损失函数，通过前2h的历史回波数据来预测未来1h内的回波形态与移动轨迹，根据预测结果进行闪电预警。检验结果表明:经过训练后的模型可以有效的预测岀后续回波的生消以及dBZ数值的分布变化，在30mm的时效内能够较好的预测40dBZ以上区域的回波特征，对发生的闪电事件进行预警。将该方法与传统的光流外推算法相比，临界成功指数CSI和HSS预报评分具有20%左右的提升，为在强对流天气下后续闪电的预警工作提供了更为精确的指导。
