雷達(dá)回波外推方法是人類對降水進(jìn)行預(yù)測的重要方法,在天氣預(yù)測任務(wù)中有重要地位。由于雷達(dá)回波外推本身就是一個(gè)十分具備挑戰(zhàn)性的任務(wù),本文著力于提升雷達(dá)回波外推精準(zhǔn)度。傳統(tǒng)的雷達(dá)回波外推方法包含了多種方法,如單體質(zhì)心法、交叉相關(guān)法和光流法。這些傳統(tǒng)方法能夠?qū)走_(dá)回波圖上的平移變換進(jìn)行很好的建模,但是很難捕捉雷達(dá)回波圖的消散、增強(qiáng)等變換。深度學(xué)習(xí)是21世紀(jì)以來迅猛發(fā)展的一個(gè)機(jī)器學(xué)習(xí)分支。深度學(xué)習(xí)方法在圖像和時(shí)序的處理上都有杰出的貢獻(xiàn)。雷達(dá)回波外推任務(wù)中研究對象是由多張連續(xù)雷達(dá)回波圖構(gòu)成的序列,這使得深度學(xué)習(xí)在雷達(dá)回波外推任務(wù)上有很大的應(yīng)用潛力。事實(shí)上早前的研究人員已經(jīng)把基于深度學(xué)習(xí)的卷積長短期記憶模型(CLSTM)應(yīng)用在雷達(dá)回波外推任務(wù)上,并且取得了較好的效果。但是CLSTM仍然有其缺陷,該方法生成的雷達(dá)回波圖有明顯的模糊效應(yīng),CLSTM對越長時(shí)間范圍的預(yù)測越模糊。本文對CLSTM的特性進(jìn)行了詳細(xì)分析,認(rèn)為該方法在雷達(dá)回波外推上效果不佳的原因主要是容易掉入局部最優(yōu)值點(diǎn)。在該模型中,為了對下一個(gè)時(shí)間步進(jìn)行預(yù)測,模型需要在特征空間中進(jìn)行大范圍搜索�；谏鲜龇治�,本文考慮了在雷達(dá)回波外推任務(wù)中引入變分自編碼器的可行性。變分自編碼器是一種深度生成算法,它能夠通過一個(gè)識別模型計(jì)算樣本點(diǎn)的一種新表達(dá),稱之為隱藏變量,該模型還能夠根據(jù)給定的隱藏變量生成新樣本點(diǎn)。變分自編碼器所計(jì)算的隱藏變量存在良好的特性,語義相似的樣本點(diǎn)對應(yīng)的隱藏變量距離相近。而在同一個(gè)雷達(dá)回波圖序列中連續(xù)的兩張雷達(dá)回波圖通常是十分相似的,如果對雷達(dá)回波圖使用變分自編碼器,連續(xù)的兩張雷達(dá)回波圖對應(yīng)的隱藏變量距離也應(yīng)該相近。因此,使用前一個(gè)時(shí)間步的隱藏變量對下一個(gè)時(shí)間步的隱藏變量進(jìn)行預(yù)測比較簡單,不需要進(jìn)行大范圍的搜索,減小了落入局部最優(yōu)值點(diǎn)的風(fēng)險(xiǎn)�；趯ψ兎肿跃幋a器特性的分析,本文首先使用變分自編碼器的識別模型計(jì)算當(dāng)前所得雷達(dá)回波圖的隱藏變量,然后根據(jù)這些隱藏變量使用LSTM預(yù)測未來雷達(dá)回波圖對應(yīng)的隱藏變量,最后基于未來雷達(dá)回波圖對應(yīng)的隱藏變量,變分自編碼器生成模型能夠生成未來雷達(dá)回波圖的預(yù)測,即雷達(dá)回波外推圖。最后,實(shí)驗(yàn)證明本文方法所生成的雷達(dá)回波圖在對于較短時(shí)間范圍的預(yù)測效果不如CLSTM,但是其對于較長時(shí)間范圍的預(yù)測效果優(yōu)于CLSTM。
【學(xué)位單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN959.4;TP18
【部分圖文】：

圖 2-1 人工神經(jīng)網(wǎng)絡(luò)神經(jīng)元示意圖Fig.2-1 Diagram for the neuron of Artificial Neural Network工神經(jīng)網(wǎng)絡(luò)算法使用反向梯度傳播作為參數(shù)梯度的計(jì)算方式，降算法，如 SGD、Adam 和 RMSProp，對參數(shù)進(jìn)行更新。在使

多普勒雷達(dá)回波圖示意圖

注：每一個(gè)左側(cè)或者右側(cè)有連接線的圓圈代表一個(gè) CLSTM 節(jié)點(diǎn)，每一個(gè)沒有左右側(cè)連接線的圓圈代表標(biāo)準(zhǔn) CNN節(jié)點(diǎn)，同一個(gè)矩形框內(nèi)的節(jié)點(diǎn)參數(shù)共享圖 3-2 CLSTM 模型結(jié)構(gòu)Fig.3-2 Structure of CLSTM model

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭迎賓;黃飛翔;;天氣雷達(dá)回波弱的分析研究[J];電子世界;2017年09期

2 ;雷達(dá)回波圖[J];氣象;1988年08期

3 徐雙柱;一次連續(xù)暴雨過程的數(shù)字化雷達(dá)回波分析[J];氣象;1988年10期

4 ;雷達(dá)回波圖[J];氣象;1988年11期

5 季致建;;氣象雷達(dá)回波電碼翻譯繪圖打印程序設(shè)計(jì)[J];浙江氣象科技;1988年01期

6 張令釗;用雷達(dá)回波的平均參量檢驗(yàn)福建省古田溪流域人工降水效果[J];氣象學(xué)報(bào);1989年02期

7 刁平;;人工降雨旗開得勝[J];新疆氣象;1989年07期

8 朱洪績,王國平;雷達(dá)回波綜合分析圖的應(yīng)用[J];氣象;1983年02期

9 何春燕;余曉玫;高飛;;面向識別的船舶目標(biāo)雷達(dá)回波技術(shù)研究[J];艦船科學(xué)技術(shù);2017年22期

10 楊鴻鵠;許蘊(yùn)山;夏海寶;李偵;;基于FPGA+DSP的雷達(dá)回波發(fā)生器設(shè)計(jì)[J];電子技術(shù)應(yīng)用;2009年12期

相關(guān)會(huì)議論文 前10條

1 孫進(jìn)勇;;長春機(jī)場夏季雷暴臨近預(yù)報(bào)雷達(dá)回波指標(biāo)分析[A];“振興吉林老工業(yè)基地——科技工作者的歷史責(zé)任”吉林省第三屆科學(xué)技術(shù)學(xué)術(shù)年會(huì)論文集（下）[C];2004年

2 韋惠紅;吳翠紅;牛奔;;湖北省雷暴大風(fēng)雷達(dá)回波模型研究[A];科技引領(lǐng)產(chǎn)業(yè)、支撐跨越發(fā)展——第六屆湖北科技論壇論文集萃[C];2011年

3 王改利;;多尺度的雷達(dá)回波跟蹤與預(yù)報(bào)方法研究[A];創(chuàng)新驅(qū)動(dòng)發(fā)展 提高氣象災(zāi)害防御能力——S1第五屆氣象綜合探測技術(shù)研討會(huì)[C];2013年

4 王天義;朱克云;;西藏雷暴的雷達(dá)回波統(tǒng)計(jì)特征初步分析[A];創(chuàng)新驅(qū)動(dòng)發(fā)展 提高氣象災(zāi)害防御能力——S11第十一屆防雷減災(zāi)論壇[C];2013年

5 曾凡鑫;張述功;趙普福;;從噪聲污染的雷達(dá)回波中提取單模特征與目標(biāo)識別[A];四川省通信學(xué)會(huì)一九九三年學(xué)術(shù)年會(huì)論文集[C];1993年

6 趙玉潔;許磊;牛鳳權(quán);;大興安嶺地區(qū)強(qiáng)颮發(fā)生規(guī)律及雷達(dá)回波演變特征[A];中國氣象學(xué)會(huì)2007年年會(huì)天氣預(yù)報(bào)預(yù)警和影響評估技術(shù)分會(huì)場論文集[C];2007年

7 李秀琳;張麗娟;賈金海;劉瑜;;渭南東北部地區(qū)冰雹天氣的雷達(dá)回波分析[A];陜西省氣象學(xué)會(huì)2005年學(xué)術(shù)交流會(huì)論文集[C];2005年

8 馬浩;;一種基于軟件實(shí)現(xiàn)的雷達(dá)回波實(shí)時(shí)仿真設(shè)計(jì)[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會(huì)論文集[C];2011年

9 陳婷婷;王新國;;一次春季降水的雷達(dá)回波分析[A];中國氣象學(xué)會(huì)雷達(dá)氣象學(xué)與氣象雷達(dá)委員會(huì)第二屆學(xué)術(shù)年會(huì)文集[C];2006年

10 薛巍;姒牟孫;向敬成;;機(jī)載雷達(dá)回波仿真及模擬系統(tǒng)硬件實(shí)現(xiàn)[A];第九屆全國信號處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

相關(guān)重要報(bào)紙文章 前2條

1 賈天清 萬齊林;廣東成功開發(fā)雷達(dá)風(fēng)場同化技術(shù)[N];中國氣象報(bào);2003年

2 魏岳江;防空，能否防住誤擊？[N];解放軍報(bào);2020年

相關(guān)博士學(xué)位論文 前3條

1 郎需強(qiáng);基于微多普勒效應(yīng)的昆蟲運(yùn)動(dòng)雷達(dá)回波特性研究[D];山東農(nóng)業(yè)大學(xué);2014年

2 陳向成;脈沖激光雷達(dá)回波處理方法與系統(tǒng)研究[D];中國科學(xué)技術(shù)大學(xué);2015年

3 王勝;動(dòng)態(tài)目標(biāo)雷達(dá)回波實(shí)時(shí)模擬技術(shù)及應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 李炳聰;基于變分自編碼的多普勒氣象雷達(dá)圖估計(jì)與預(yù)測研究[D];廣東工業(yè)大學(xué);2019年

2 施恩;基于卷積神經(jīng)網(wǎng)絡(luò)的雷達(dá)回波外推方法研究[D];國防科技大學(xué);2017年

3 呂亨達(dá);基于正交壓縮采樣的寬帶雷達(dá)回波目標(biāo)參數(shù)估計(jì)[D];南京理工大學(xué);2018年

4 張玲玲;基于雷達(dá)回波圖像的短期降雨預(yù)測[D];河北師范大學(xué);2018年

5 李彥霖;貴陽地區(qū)對流性雷達(dá)回波的統(tǒng)計(jì)特征及同化試驗(yàn)[D];蘭州大學(xué);2018年

6 滕志偉;基于深度學(xué)習(xí)的多普勒氣象雷達(dá)回波外推算法研究[D];湖南師范大學(xué);2017年

7 穆月飛;制導(dǎo)雷達(dá)回波模擬的快速實(shí)現(xiàn)方法研究[D];北京理工大學(xué);2016年

8 蘇亮又;壓縮感知在雷達(dá)回波壓縮重構(gòu)中的應(yīng)用研究[D];南京大學(xué);2016年

9 肖現(xiàn);傅立葉相位技術(shù)在雷達(dá)回波移動(dòng)矢量特征分析中的應(yīng)用研究[D];南京信息工程大學(xué);2007年

10 嚴(yán)曉芳;雷達(dá)回波數(shù)據(jù)的壓縮[D];合肥工業(yè)大學(xué);2002年

本文編號：2812483