氣象領(lǐng)域?qū)Ξ?dāng)前天氣實況更精準(zhǔn)的觀測和預(yù)報,一直是倍受關(guān)注的重點問題。隨著海量歷史基礎(chǔ)數(shù)據(jù)的積累與超級計算機(jī)算力的進(jìn)步,目前天氣預(yù)報越來越準(zhǔn)確。但隨著對精細(xì)化格點預(yù)報的要求逐步提高,預(yù)報區(qū)域不斷精細(xì)化,從原來的市級預(yù)報逐步過渡到縣級預(yù)報、街區(qū)預(yù)報。數(shù)值模式的精細(xì)化建模與求解的壓力也愈漸增加,逐步遇到了瓶頸。近年來,大數(shù)據(jù)技術(shù)與人工智能技術(shù)的飛速發(fā)展為氣象領(lǐng)域充分挖掘海量歷史數(shù)據(jù)價值提供了生機(jī),逐步實現(xiàn)以數(shù)據(jù)驅(qū)動的思路來解決氣象領(lǐng)域的問題。目前人工智能在氣象領(lǐng)域的應(yīng)用課題已成為研究熱點,在氣候研究、海洋臺風(fēng)預(yù)報預(yù)警、海霧預(yù)報、短時臨近天氣預(yù)報等業(yè)務(wù)中都結(jié)合了最新的機(jī)器學(xué)習(xí)相關(guān)算法。具體研究的課題有天氣雷達(dá)的質(zhì)量控制、信號外推、定量降水估測、強(qiáng)對流天氣識別、預(yù)警,環(huán)境預(yù)報,風(fēng)暴環(huán)境識別,天氣系統(tǒng)識別等。本文針對三個重要且具有挑戰(zhàn)性的問題展開研究,主要研究內(nèi)容如下:（1）精細(xì)化格點預(yù)報訂正問題研究。首先與湖南省氣象業(yè)務(wù)部門合作,共同制定了氣象領(lǐng)域中針對天氣預(yù)報格點數(shù)據(jù)標(biāo)準(zhǔn)數(shù)據(jù)集格式,為以后類似研究提供了一種標(biāo)準(zhǔn)處理方式。提出了基于混合注意力機(jī)制的時空格點預(yù)報訂正算法。對歐洲中期天氣預(yù)報中心的逐... 

【文章來源】：湖南師范大學(xué)湖南省211工程院校

【文章頁數(shù)】：117 頁

【學(xué)位級別】：博士

【部分圖文】：

論文研究內(nèi)容1.提出基于多要素融合的格點預(yù)報訂正方案

博士學(xué)位論文20云狀分類的，不同云層對紫外輻射的吸收影響很大。地基光學(xué)相機(jī)可以在連續(xù)的或指定間隔內(nèi)捕獲全天空的圖像或是局部天空的圖像。全天空成像的觀測技術(shù)有近百年的研究歷史，目前比較典型的是美國的全天空成像相機(jī)WSI（WholeSkyImager，WSI）和總天空成像儀器（TotalSkyImager，TSI）如圖1-1所示。日本、新西蘭的研究人員也研發(fā)了相關(guān)的全天空成像儀器設(shè)備用于云的氣象觀測和研究。中國科學(xué)院大氣所從2000年左右開始也自主研發(fā)了地基全天空可見光成像儀器及相關(guān)系統(tǒng)。圖2-1：TSI,TotalSkyImager示意圖全天空數(shù)字照相機(jī)ASC（ASC，All-ShyCamera）采用廣角鏡頭的數(shù)碼相機(jī)作為主觀測成像部件，目前有兩種方式，一種為將相機(jī)安裝在可旋轉(zhuǎn)的云臺上，繞觀測點旋轉(zhuǎn)拍攝局部天空圖像，然后通過圖像拼接算法得到全天空的圖像，此方法優(yōu)勢在于獲取的全天空圖像畸變較小，缺點是局部圖像獲取有時間差，有時有圖像拼接問題。第二種方法采用為數(shù)碼相機(jī)設(shè)計特殊的魚眼鏡頭直接對天空拍攝，或是在數(shù)碼相機(jī)下面放置一面曲面鏡，拍攝曲面鏡反射的天空圖像。這類設(shè)備可以一次獲得全天空的圖像，沒有時間差。缺點是圖像存在畸變效應(yīng)。需要針對性處理。

博士學(xué)位論文32圖3-1數(shù)據(jù)集標(biāo)準(zhǔn)輸入樣本3.3格點預(yù)報訂正算法3.3.1訂正算法整體架構(gòu)本文設(shè)計根據(jù)氣象格點要素數(shù)據(jù)的特點，提出了基于混合注意力機(jī)制的時空訂正模型（HybirdAttentionModuleSpatialTemporalCorrectNetwork，HA-STNet）。HA-STNet引入通道注意力機(jī)制，獲取通道權(quán)重，并按照通道權(quán)重的距離劃分成若干簇。通過混合注意力機(jī)制的特征融合模塊，充分提取格點數(shù)據(jù)的表征特征。然后構(gòu)建一種編碼-訂正的堆疊時空單元結(jié)構(gòu)進(jìn)行時空特征提取與訂正。網(wǎng)絡(luò)模型包含兩大模塊：混合注意力機(jī)制的特征融合模塊（HybirdAttentionIntegrationModule，HAIM）和時空訂正模塊（Spatial-TemporalCorrectionModule，STCM）。網(wǎng)絡(luò)整體結(jié)構(gòu)如圖3-2所示：

【參考文獻(xiàn)】：
期刊論文
[1]梯度提升決策樹在雷達(dá)定量降水估測中的應(yīng)用研究[J]. 陳訓(xùn)來,陳元昭,趙春陽,張珂.  氣象科技進(jìn)展. 2019(03)
[2]氣象大數(shù)據(jù)超短臨精準(zhǔn)降水機(jī)器學(xué)習(xí)與典型應(yīng)用[J]. 張晨陽,楊雪冰,張文生.  農(nóng)業(yè)大數(shù)據(jù)學(xué)報. 2019(01)
[3]天氣雷達(dá)定量估測降水研究進(jìn)展[J]. 谷軍霞,師春香,潘旸.  氣象科技進(jìn)展. 2018(01)
[4]基于極限學(xué)習(xí)機(jī)的地基可見光云圖的云分類[J]. 李林,劉青山,夏旻.  大氣科學(xué)學(xué)報. 2015(05)
[5]RBF神經(jīng)網(wǎng)絡(luò)在雷達(dá)定量估測降水中的應(yīng)用研究[J]. 傅德勝,肖晨,譚暢,喻寶龍,許波.  氣象科學(xué). 2015(02)
[6]衛(wèi)星-地基-模式統(tǒng)一的自動觀測云分類原則和標(biāo)準(zhǔn)的研究[J]. 李昀英,方樂鋅,寇雄偉.  地球物理學(xué)報. 2014(08)
[7]An approach to estimating and extrapolating model error based on inverse problem methods:towards accurate numerical weather prediction[J]. 胡淑娟,邱春雨,張利云,黃啟燦,于海鵬,丑紀(jì)范.  Chinese Physics B. 2014(08)
[8]基于無導(dǎo)數(shù)優(yōu)化方法的數(shù)值模式誤差估計[J]. 黃啟燦,胡淑娟,邱春雨,李寬,于海鵬,丑紀(jì)范.  物理學(xué)報. 2014(14)
[9]月動力延伸預(yù)報研究進(jìn)展回顧[J]. 鄭志海.  氣象科技進(jìn)展. 2013(01)
[10]模式誤差動力特征:模式參數(shù)誤差和物理過程描繪缺失誤差[J]. 鐘劍,黃思訓(xùn),費建芳,杜華棟.  大氣科學(xué). 2011(06)

博士論文
[1]一個可能提高GRAPES模式業(yè)務(wù)預(yù)報能力的方案[D]. 達(dá)朝究.蘭州大學(xué) 2011

碩士論文
[1]基于KNN的地基可見光云圖分類方法研究[D]. 朱彪.成都信息工程學(xué)院 2012



本文編號：3617728