雷达回波外推方法已广泛应用于短时强降水临近预报中。针对传统雷达回波外推方法未充分利用海量历史气象数据从而导致预报准确度不高的问题,提出了一个基于动态概率卷积神经网络(dynamic probability convolutional neural network,DPC...雷达回波外推方法已广泛应用于短时强降水临近预报中。针对传统雷达回波外推方法未充分利用海量历史气象数据从而导致预报准确度不高的问题,提出了一个基于动态概率卷积神经网络(dynamic probability convolutional neural network,DPCNN)的雷达回波外推模型。该模型在卷积神经网络的基础上增加动态概率计算层,对不同的雷达回波输入序列计算对应的概率卷积核,并用于后续的外推计算中,使得网络在预测阶段仍然能够根据不同的输入序列作出相应的概率调整,从而增强了外推结果与已知序列的关联。经某局部地区短时强降水外推实验,从外推图像、CSI指数、FAR指数、POD指数四个方面验证了该模型的有效性。展开更多
为了研究对流单体移动的运动学和动力学特征,本文综合应用多普勒雷达反射率因子资料和径向速度资料进行雷达回波的外推预报。采用速度方位显示方法（Velocity Azimuth Display,VAD）和交叉相关法（Tracking Radar Echoes by Correlation...为了研究对流单体移动的运动学和动力学特征,本文综合应用多普勒雷达反射率因子资料和径向速度资料进行雷达回波的外推预报。采用速度方位显示方法（Velocity Azimuth Display,VAD）和交叉相关法（Tracking Radar Echoes by Correlation,TREC）,分别得到设定的8个高度的水平风场,并作为回波的引导风,对相应高度的等高平面位置显示（Constant Altitude Plan Position Indicating,CAPPI）反射率因子进行外推。通过两次降水过程分析比较两种方法的外推结果,表明用这两种方法获得的未来60 min内的回波位置与回波实况较吻合;二者在某些高度上预报的评分接近。从两个个例的外推试验发现,预报效果最好的高度层与实际天气过程有关,关键是与降水回波中水平风的垂直分布有关,而不仅仅限于2.5-3.0 km高度。展开更多
文摘雷达回波外推方法已广泛应用于短时强降水临近预报中。针对传统雷达回波外推方法未充分利用海量历史气象数据从而导致预报准确度不高的问题,提出了一个基于动态概率卷积神经网络(dynamic probability convolutional neural network,DPCNN)的雷达回波外推模型。该模型在卷积神经网络的基础上增加动态概率计算层,对不同的雷达回波输入序列计算对应的概率卷积核,并用于后续的外推计算中,使得网络在预测阶段仍然能够根据不同的输入序列作出相应的概率调整,从而增强了外推结果与已知序列的关联。经某局部地区短时强降水外推实验,从外推图像、CSI指数、FAR指数、POD指数四个方面验证了该模型的有效性。
文摘为了研究对流单体移动的运动学和动力学特征,本文综合应用多普勒雷达反射率因子资料和径向速度资料进行雷达回波的外推预报。采用速度方位显示方法（Velocity Azimuth Display,VAD）和交叉相关法（Tracking Radar Echoes by Correlation,TREC）,分别得到设定的8个高度的水平风场,并作为回波的引导风,对相应高度的等高平面位置显示（Constant Altitude Plan Position Indicating,CAPPI）反射率因子进行外推。通过两次降水过程分析比较两种方法的外推结果,表明用这两种方法获得的未来60 min内的回波位置与回波实况较吻合;二者在某些高度上预报的评分接近。从两个个例的外推试验发现,预报效果最好的高度层与实际天气过程有关,关键是与降水回波中水平风的垂直分布有关,而不仅仅限于2.5-3.0 km高度。
