自注意力机制改进U-Net网络的强积冰云层预测

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％.

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

所属期刊栏目：58

分类号：TP183(自动化基础理论)

在线出版日期：2022-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：297-304