基于深度學習的強對流高分辨率臨近預報試驗

摘要：強對流天氣臨近預報、預警在氣象災害防御中具有極為重要的地位。在氣象業務中,因對強對流天氣臨近預報、預警準確率和時、空分辨率的極高要求,使其成為業務難點和研究熱點之一。對于高時、空分辨率強對流臨近預報問題,嘗試用深度學習方法來解決。首先將強對流臨近預報抽象成同時包含時間和空間的序列預測問題;然后基于改進的循環神經網絡算法形成的自編碼模型,使用京津冀地區長序列、高時空分辨率天氣雷達組網拼圖數據進行模型訓練;最后利用基于歷史0.5 h雷達回波拼圖數據訓練得到的端到端神經網絡,預報未來1 h內的逐6 min回波演變特征。通過基于傳統外推算法的臨近預報方法與深度學習算法的臨近預報方法進行對比,發現使用的深度學習方法可以有效"學習"到高時、空分辨率序列雷達數據特征的內在關聯,通過多層神經網絡構造出抽象的深層特征,能夠有效捕捉到雷達回波的演變規律和運動狀態。通過計算雷達回波預報的命中率(POD)、虛警率(FAR)、臨界成功指數(CSI)等檢驗表明,相較傳統外推臨近預報方法,在強對流回波臨近預報準確率上有較明顯提高。