基于GCA-ConvLSTM预测网格的短临降水雷达回波外推方法

打开文本图片集

摘要：短临降水预报对于暴雨和强对流天气监测预警服务具有重要意义，使用雷达回波外推方法进行短临降水预报是目前较为常用的预报方法之一，但是传统的雷达回波外推方法普遍存在数据利用率低、外推准确性差和外推模糊等问题。针对上述问题，利用陕西全省雷达拼接数据资料，选择深度学习中编码器-解码器结构，以卷积长短期记忆网络（Convolutional Long Short-Term Memory Network， ConvLSTM）作为循环单元，构造了基于全局通道注意力的ConvLSTM预测网络（Global Channel Attention based ConvLSTM， GCA-ConvLSTM）；此外，为进一步提高GCA-ConvLSTM预测网络的拟合能力，使用集成学习算法对其进行改进，通过装袋算法对数据集进行采样，训练3个GCA-ConvLSTM预测网络作为基学习器，使用加权投票策略将这3种基学习器进行有效组合，最终获得了一个性能更优的组合模型。（剩余18749字）