雷達回波外推方法是人類對降水進行預測的重要方法,在天氣預測任務中有重要地位。由于雷達回波外推本身就是一個十分具備挑戰(zhàn)性的任務,本文著力于提升雷達回波外推精準度。傳統(tǒng)的雷達回波外推方法包含了多種方法,如單體質(zhì)心法、交叉相關法和光流法。這些傳統(tǒng)方法能夠對雷達回波圖上的平移變換進行很好的建模,但是很難捕捉雷達回波圖的消散、增強等變換。深度學習是21世紀以來迅猛發(fā)展的一個機器學習分支。深度學習方法在圖像和時序的處理上都有杰出的貢獻。雷達回波外推任務中研究對象是由多張連續(xù)雷達回波圖構成的序列,這使得深度學習在雷達回波外推任務上有很大的應用潛力。事實上早前的研究人員已經(jīng)把基于深度學習的卷積長短期記憶模型(CLSTM)應用在雷達回波外推任務上,并且取得了較好的效果。但是CLSTM仍然有其缺陷,該方法生成的雷達回波圖有明顯的模糊效應,CLSTM對越長時間范圍的預測越模糊。本文對CLSTM的特性進行了詳細分析,認為該方法在雷達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。在該模型中,為了對下一個時間步進行預測,模型需要在特征空間中進行大范圍搜索。基于上述分析,本文考慮了在雷達回波外推任務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,它能夠通過一個識別模型計算樣本點的一種新表達,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。變分自編碼器所計算的隱藏變量存在良好的特性,語義相似的樣本點對應的隱藏變量距離相近。而在同一個雷達回波圖序列中連續(xù)的兩張雷達回波圖通常是十分相似的,如果對雷達回波圖使用變分自編碼器,連續(xù)的兩張雷達回波圖對應的隱藏變量距離也應該相近。因此,使用前一個時間步的隱藏變量對下一個時間步的隱藏變量進行預測比較簡單,不需要進行大范圍的搜索,減小了落入局部最優(yōu)值點的風險。基于對變分自編碼器特性的分析,本文首先使用變分自編碼器的識別模型計算當前所得雷達回波圖的隱藏變量,然后根據(jù)這些隱藏變量使用LSTM預測未來雷達回波圖對應的隱藏變量,最后基于未來雷達回波圖對應的隱藏變量,變分自編碼器生成模型能夠生成未來雷達回波圖的預測,即雷達回波外推圖。最后,實驗證明本文方法所生成的雷達回波圖在對于較短時間范圍的預測效果不如CLSTM,但是其對于較長時間范圍的預測效果優(yōu)于CLSTM。
【學位單位】：廣東工業(yè)大學
【學位級別】：碩士
【學位年份】：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)絡算法使用反向梯度傳播作為參數(shù)梯度的計算方式，降算法，如 SGD、Adam 和 RMSProp，對參數(shù)進行更新。在使

多普勒雷達回波圖示意圖

注：每一個左側或者右側有連接線的圓圈代表一個 CLSTM 節(jié)點，每一個沒有左右側連接線的圓圈代表標準 CNN節(jié)點，同一個矩形框內(nèi)的節(jié)點參數(shù)共享圖 3-2 CLSTM 模型結構Fig.3-2 Structure of CLSTM model

【相似文獻】

相關期刊論文 前10條

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

2 ;雷達回波圖[J];氣象;1988年08期

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

4 ;雷達回波圖[J];氣象;1988年11期

5 季致建;;氣象雷達回波電碼翻譯繪圖打印程序設計[J];浙江氣象科技;1988年01期

6 張令釗;用雷達回波的平均參量檢驗福建省古田溪流域人工降水效果[J];氣象學報;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;雷達回波綜合分析圖的應用[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雷達回波技術研究[J];艦船科學技術;2017年22期

10 楊鴻鵠;許蘊山;夏海寶;李偵;;基于FPGA+DSP的雷達回波發(fā)生器設計[J];電子技術應用;2009年12期

相關會議論文 前10條

1 孫進勇;;長春機場夏季雷暴臨近預報雷達回波指標分析[A];“振興吉林老工業(yè)基地——科技工作者的歷史責任”吉林省第三屆科學技術學術年會論文集（下）[C];2004年

2 韋惠紅;吳翠紅;牛奔;;湖北省雷暴大風雷達回波模型研究[A];科技引領產(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;;多尺度的雷達回波跟蹤與預報方法研究[A];創(chuàng)新驅動發(fā)展 提高氣象災害防御能力——S1第五屆氣象綜合探測技術研討會[C];2013年

4 王天義;朱克云;;西藏雷暴的雷達回波統(tǒng)計特征初步分析[A];創(chuàng)新驅動發(fā)展 提高氣象災害防御能力——S11第十一屆防雷減災論壇[C];2013年

5 曾凡鑫;張述功;趙普福;;從噪聲污染的雷達回波中提取單模特征與目標識別[A];四川省通信學會一九九三年學術年會論文集[C];1993年

6 趙玉潔;許磊;牛鳳權;;大興安嶺地區(qū)強颮發(fā)生規(guī)律及雷達回波演變特征[A];中國氣象學會2007年年會天氣預報預警和影響評估技術分會場論文集[C];2007年

7 李秀琳;張麗娟;賈金海;劉瑜;;渭南東北部地區(qū)冰雹天氣的雷達回波分析[A];陜西省氣象學會2005年學術交流會論文集[C];2005年

8 馬浩;;一種基于軟件實現(xiàn)的雷達回波實時仿真設計[A];第13屆中國系統(tǒng)仿真技術及其應用學術年會論文集[C];2011年

9 陳婷婷;王新國;;一次春季降水的雷達回波分析[A];中國氣象學會雷達氣象學與氣象雷達委員會第二屆學術年會文集[C];2006年

10 薛巍;姒牟孫;向敬成;;機載雷達回波仿真及模擬系統(tǒng)硬件實現(xiàn)[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

相關重要報紙文章 前2條

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

2 魏岳江;防空，能否防住誤擊？[N];解放軍報;2020年

相關博士學位論文 前3條

1 郎需強;基于微多普勒效應的昆蟲運動雷達回波特性研究[D];山東農(nóng)業(yè)大學;2014年

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

3 王勝;動態(tài)目標雷達回波實時模擬技術及應用[D];國防科學技術大學;2011年

相關碩士學位論文 前10條

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

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

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

4 張玲玲;基于雷達回波圖像的短期降雨預測[D];河北師范大學;2018年

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

6 滕志偉;基于深度學習的多普勒氣象雷達回波外推算法研究[D];湖南師范大學;2017年

7 穆月飛;制導雷達回波模擬的快速實現(xiàn)方法研究[D];北京理工大學;2016年

8 蘇亮又;壓縮感知在雷達回波壓縮重構中的應用研究[D];南京大學;2016年

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

10 嚴曉芳;雷達回波數(shù)據(jù)的壓縮[D];合肥工業(yè)大學;2002年

本文編號：2812483