基于深度神经网络的强对流天气识别算法

摘要：

短时强降水、大风等强对流天气危害巨大,对其进行自动识别存在相当大的技术困难.提出一种基于深度神经网络的强对流天气智能识别模型,以雷达回波图像和表征回波移动路径的光流图像作为输入,通过神经网络的自学习,寻求雷达图像与"是否发生强对流天气"之间的函数映射关系;并运用数据集增强、代价函数优化和模型泛化性能优化等技术,解决了训练样本的不均衡问题,避免了模型训练过程陷入局部极值的问题.实验结果表明,该方法对强对流天气识别的准确率达到96％,误报率低于60％.该方法也适用于对下击暴流等灾害性天气的自动识别.

关键词：深度神经网络、强对流天气、灾害性天气、短时强降水、大风、深度学习、数据增强、图像识别

所属期刊栏目：21

分类号：TP273+.2(自动化技术及设备)

资助基金：国家自然科学基金;江苏高校哲学社会科学研究基金;南京信息工程大学2020年度地球科学虚拟仿真实验教学课程建设项目

在线出版日期：2021-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2737-2746