系统工程与电子技术

作者：何诗扬, 汪玲, 朱岱寅, 钱君

单位：1. 南京航空航天大学电子与信息工程学院/集成电路学院, 江苏 南京 211106；2. 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：循环神经网络,雷暴预测,气象雷达,深度学习

基金：工信部民机专项(MJ-2018-S-28)

使用循环神经网络进行雷暴的外推预测, 利用气象雷达历史反射率因子资料给出未来一小时的雷暴预测结果。网络的核心是时空长短时记忆(spatiotemporal long short-term memory, ST-LSTM)单元, 加入了记忆解耦结构以分离时间记忆和空间记忆状态。在香港天文台(Hong Kong Observatorg, HKO)的HKO-7数据集的基础上筛选雷暴数据, 构建训练及测试数据集。将有记忆解耦结构、无记忆解耦结构的ST-LSTM网络和MIM(memory in memory)网络以及传统的单体质心法进行比较。预报评分因子数值比较和个例分析检验结果表明，预测神经网络在探测成功概率、临界成功指数上均高于单体质心法, 虚警率低于单体质心法。加入记忆解耦结构的网络预报因子评分高于ST-LSTM网络和MIM网络, 雷暴回波外推的预测效果更好, 尤其是强回波的预测效果更好。

来源：2023年第11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2023年第11期