圖像序列數據是現實世界中一類極為重要的數據,而且往往維度較高,數據規(guī)模十分龐大。目前圖像序列預測被用于自動駕駛領域,取得了不錯的進展。在氣象預報領域,隨著觀測設備革新和存儲技術的發(fā)展,帶動了對大量雷達回波圖像數據處理需求的增長。傳統的雷達回波外推和降雨量預測主要依靠光流外推和統計分析方法,盡管這些方法在大部分天氣過程中取得了不錯的效果,但都缺少對時間序列的建模能力,并且對快速變化的天氣不能很好的反應,建立有效的表征模型用于氣象領域的序列預測,成為一個很有挑戰(zhàn)性的問題。近年來深度學習在序列建模方面的優(yōu)勢為該問題的解決帶來了新思路。本課題針對氣象領域的圖像預測以及建立在其基礎上的降雨量估計,開展了基于深度學習的氣象預報模型及應用研究。針對傳統光流法無法建模快速變化的非線性運動,以及近段時間提出的ConvLSTM方法對于長序列圖像預測模糊,無法建模多峰分布的不足,提出了基于生成對抗GRU的圖像序列預測模型。經過對氣象領域圖像數據背景知識的研究和業(yè)務實際需求進行深入調研,設計了解決該問題的模型。模型采用端到端的結構,主要包括兩個網絡,一個網絡采用序列到序列的架構,用于生成序列預測圖像,另一個網... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數】：61 頁

【學位級別】：碩士

【部分圖文】：

雷達回波數據樣例本文采用的數據集來自深圳市氣象局，數據包括雷達回波數據以及自動站觀

哈爾濱工業(yè)大學工學碩士學位論文率因子的定義如式 2-1 所示： ( 6/ 3) = ∑ 6 表示反射率因子，單位是 6/ 3，D 表示單位體積中降雨粒率因子的大小近似的表征空氣中降雨云團的含水量。該數值的標本身有關，與觀測的氣象雷達無關。另外，常常采用回波反BZ）來表示回波反射率的大小，公式如 2-2 所示： = 10 0( 0= 1 6/ 3) 2-2 為從 REF 格式文件解析得到的雷達回波圖像，圖像上的數值強弱，根據反射率的數值區(qū)間設置了不同的等級，紅色代表強強度最弱。

圖 2-4 基于 ConvLSTM 的序列預測模型圖實驗表明基于卷積 LSTM 網絡可以很好的建模捕捉到圖像序列的時空結構，對于解決基于雷達回波的外推問題十分有效，因此奠定了這種基于卷積拓撲的循環(huán)神經網絡在處理時序圖像問題的地位。2.3 回歸算法模型2.3.1 Z-R 關系Z-R 關系指的是雷達回波反射率因子 Z 和降雨量 R 之間的關系，這種關系隨降雨的類型和性質而發(fā)生變化。雷達氣象方程為： = 31.24 2 2 2 2 1 2 2 2 2（2-13）顯然，在公式 2-13 中， 31.24 2 為常數，而 2 2 是雷達自身的參數，其變化可以忽略不計，只需要定期進行校正維持數值準確即可，因此該值也可以看作為常數。 2 1 2 是和降雨云團的相態(tài)相關的參數，當相態(tài)確定后，此項也是一個

【參考文獻】：
期刊論文
[1]光流法及其在臨近預報中的應用[J]. 曹春燕,陳元昭,劉東華,李程,李輝,賀佳佳.  氣象學報. 2015(03)
[2]數據挖掘技術在精細化溫度預報中的應用[J]. 段文廣,周曉軍,石永煒.  干旱氣象. 2012(01)
[3]光流法在強對流天氣臨近預報中的應用[J]. 韓雷,王洪慶,林隱靜.  北京大學學報(自然科學版). 2008(05)
[4]多普勒雷達資料在暴雨臨近預報中的應用[J]. 王改利,劉黎平.  氣象. 2005(10)



本文編號：3455588