系统工程与电子技术

作者：陆恩绩, 汪玲*, 朱岱寅, 周晔

单位：1. 南京航空航天大学电子信息工程学院，江苏 南京 211106；2. 南京航空航天大学雷达成像与微波光子技术教育部重点实验室，江苏 南京 210016；3. 中国航空工业集团雷华电子技术研究所，江苏 无锡 214063

关键词：时序卷积网络,气象雷达,雷暴预测,深度学习

基金：工信部民机项目资助课题

针对现有大多数基于循环神经网络的雷暴预测模型普遍存在梯度爆炸、长时依赖关系捕捉能力薄弱以及因无法并行计算导致的效率低下等问题，提出三维时域卷积神经网络（three-dimensional time-domain convolutional neural network，3D-TCN）用于气象雷达雷暴预测。在TCN核心的残差块中引入三维卷积操作，从雷达图像中提取时空特征，实现最长1 h的精准预测。基于数据集对3D-TCN模型的雷暴演变预测性能进行验证，并与时空记忆解耦的空时长短时记忆（spationtemporal long short-term memory，ST-LSTM）网络、记忆增强网络及传统交叉相关算法展开对比。实验结果表明，3D-TCN 模型在临界成功指数等评价指标上表现更优，且凭借轻量化结构大幅缩短训练时间。与时空记忆解耦的 ST-LSTM 网络相比，其临界成功指数平均提升0.037，最高提升幅度接近0.13，训练时间则从4~6 min缩短至1 min以内，验证了所提方法的有效性。

来源：2025年第12期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2025年第12期