發(fā)布時(shí)間：2021-10-24 16:21

　　圖像序列數(shù)據(jù)是現(xiàn)實(shí)世界中一類極為重要的數(shù)據(jù),而且往往維度較高,數(shù)據(jù)規(guī)模十分龐大。目前圖像序列預(yù)測被用于自動(dòng)駕駛領(lǐng)域,取得了不錯(cuò)的進(jìn)展。在氣象預(yù)報(bào)領(lǐng)域,隨著觀測設(shè)備革新和存儲(chǔ)技術(shù)的發(fā)展,帶動(dòng)了對大量雷達(dá)回波圖像數(shù)據(jù)處理需求的增長。傳統(tǒng)的雷達(dá)回波外推和降雨量預(yù)測主要依靠光流外推和統(tǒng)計(jì)分析方法,盡管這些方法在大部分天氣過程中取得了不錯(cuò)的效果,但都缺少對時(shí)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(yīng),建立有效的表征模型用于氣象領(lǐng)域的序列預(yù)測,成為一個(gè)很有挑戰(zhàn)性的問題。近年來深度學(xué)習(xí)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(lǐng)域的圖像預(yù)測以及建立在其基礎(chǔ)上的降雨量估計(jì),開展了基于深度學(xué)習(xí)的氣象預(yù)報(bào)模型及應(yīng)用研究。針對傳統(tǒng)光流法無法建模快速變化的非線性運(yùn)動(dòng),以及近段時(shí)間提出的ConvLSTM方法對于長序列圖像預(yù)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(yù)測模型。經(jīng)過對氣象領(lǐng)域圖像數(shù)據(jù)背景知識(shí)的研究和業(yè)務(wù)實(shí)際需求進(jìn)行深入調(diào)研,設(shè)計(jì)了解決該問題的模型。模型采用端到端的結(jié)構(gòu),主要包括兩個(gè)網(wǎng)絡(luò),一個(gè)網(wǎng)絡(luò)采用序列到序列的架構(gòu),用于生成序列預(yù)測圖像,另一個(gè)網(wǎng)... 

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

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

雷達(dá)回波數(shù)據(jù)樣例本文采用的數(shù)據(jù)集來自深圳市氣象局，數(shù)據(jù)包括雷達(dá)回波數(shù)據(jù)以及自動(dòng)站觀

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)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(tuán)的含水量。該數(shù)值的標(biāo)本身有關(guān)，與觀測的氣象雷達(dá)無關(guān)。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(dá)回波圖像，圖像上的數(shù)值強(qiáng)弱，根據(jù)反射率的數(shù)值區(qū)間設(shè)置了不同的等級(jí)，紅色代表強(qiáng)強(qiáng)度最弱。

圖 2-4 基于 ConvLSTM 的序列預(yù)測模型圖實(shí)驗(yàn)表明基于卷積 LSTM 網(wǎng)絡(luò)可以很好的建模捕捉到圖像序列的時(shí)空結(jié)構(gòu)，對于解決基于雷達(dá)回波的外推問題十分有效，因此奠定了這種基于卷積拓?fù)涞难h(huán)神經(jīng)網(wǎng)絡(luò)在處理時(shí)序圖像問題的地位。2.3 回歸算法模型2.3.1 Z-R 關(guān)系Z-R 關(guān)系指的是雷達(dá)回波反射率因子 Z 和降雨量 R 之間的關(guān)系，這種關(guān)系隨降雨的類型和性質(zhì)而發(fā)生變化。雷達(dá)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(shù)，而 2 2 是雷達(dá)自身的參數(shù)，其變化可以忽略不計(jì)，只需要定期進(jìn)行校正維持?jǐn)?shù)值準(zhǔn)確即可，因此該值也可以看作為常數(shù)。 2 1 2 是和降雨云團(tuán)的相態(tài)相關(guān)的參數(shù)，當(dāng)相態(tài)確定后，此項(xiàng)也是一個(gè)

【參考文獻(xiàn)】：
期刊論文
[1]光流法及其在臨近預(yù)報(bào)中的應(yīng)用[J]. 曹春燕,陳元昭,劉東華,李程,李輝,賀佳佳.  氣象學(xué)報(bào). 2015(03)
[2]數(shù)據(jù)挖掘技術(shù)在精細(xì)化溫度預(yù)報(bào)中的應(yīng)用[J]. 段文廣,周曉軍,石永煒.  干旱氣象. 2012(01)
[3]光流法在強(qiáng)對流天氣臨近預(yù)報(bào)中的應(yīng)用[J]. 韓雷,王洪慶,林隱靜.  北京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(05)
[4]多普勒雷達(dá)資料在暴雨臨近預(yù)報(bào)中的應(yīng)用[J]. 王改利,劉黎平.  氣象. 2005(10)



本文編號(hào)：3455588