卷积神经网络在气象短临预报的研究与应用

《卷积神经网络在气象短临预报的研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文卷积神经网络在气象短临预报的研究与应用作者姓名陈程工程领域软件工程校内指导教师程兴国讲师校外指导老师胡艳胜高级工程师所在学院软件学院论文提交日期2018年3月14日1ApplicationofconvolutionneuralnetworkinweathernowcastingADissertationSubmittedfortheDegreeofMasterCandidate：ChenChengSupervisor：Dr.ChengXingguoSeniorEngineerHuYans

2、hengSouthChinaUniversityofTechnologyGuangzhou,China2分类号：TP3学校代号：10561学号：201521034639华南理工大学硕士学位论文卷积神经网络在气象短临预报的研究与应用作者姓名：陈程指导教师姓名、职称：程兴国讲师；胡艳胜高级工程师申请学位级别：工程硕士学科专业名称：软件工程论文形式：产品研发工程设计应用研究工程/项目管理调研报告研究方向：软件工程技术论文提交日期：2018年1月10日论文答辩日期：2018年3月16日学位授予单位：华南理工大

3、学学位授予日期：年月日答辩委员会成员：杨晓伟主席：黄翰、汪疆平、程兴国、吴秋霞3摘要近年来随着社会信息化的加速，人们对气象预报的要求逐渐提高。强对流天气因其突发性强、破坏力大等特点，受到气象部门的重视。短临预报作为防范强对流天气的预报手段，具有重要的研究意义。但目前进行短临预报多是基于雷达回波的光流法，而光流法存在着一些局限性，由于光流估计步骤和雷达回波外推步骤是分开的，参数的确定变得比较困难。随着深度学习的高速发展，深度学习在各个领域的应用也变得越来越多，于是本文采用深度学习方法对短临预报的降水方面进

4、行应用研究。降水短临预报本质上是从一系列雷达回波序列预测未来的雷达回波，可以看成一个时空序列预测问题，本文在研究和总结了常用的神经网络的基础上，参考了ConvLSTM（ConvolutionalLSTM）结构提出了一种结合卷积神经网络（ConvolutionNeuralNetwork，CNN）和GRU（GatedRecurrentUnit）的ConvGRU模型（ConvolutionalGRU），由于GRU的结构比LSTM更为简单，但在效果上相差不大，该模型相比于ConvLSTM结构拥有更快的训练速度和

5、更小的内存需求。本文的另一项工作是基于VGGNet（VisualGeometryGroupNet）对卷积层进行了改进，使用多个小的卷积核叠加代替大的卷积核，减少了参数数量，提升了网络的特征提起能力。该模型充分发挥了卷积神经网络和GRU的优点，即卷积结构的空间特征提取能力和GRU的善于处理时间序列问题的记忆能力。最后通过实验对比该模型与光流法的预报效果，验证该模型在降水短临预报问题的适用性。关键字：深度学习；降水短临预报；CNN；GRUIABSTRACTInrecentyears,withtheaccel

6、erationofsocietyinformatization,thedemandforweatherforecasthasbeengraduallyimproved.Strongconvectiveweather,duetoitssuddenstrongdestructive,hasbeenpaidmoreattentionbythemeteorologicaldepartment.Short-termandimminentprediction,asameanstopreventstrongconve

7、ctiveweather,hasimportantresearchsignificance.However,theshort-termandimminentpredictionismostlybasedontheopticalflowmethodoftheradarecho,andtheopticalflowmethodhassomelimitationsthatopticalflowestimationstepisseparatedfromtheradarechoextrapolationstep,t

8、hedeterminationoftheparametersbecomesmoredifficult.Withtherapiddevelopmentofdeeplearning,thereismoreandmoreapplicationofdeeplearninginvariousfields.Inthispaper,thedepthlearningmethodisusedtostudytheprecipitationaspectofsho