基于深度学习的短时定量降水预测研究

发布时间：2023-02-26 19:36

　　降水是一种动态的非线性的多时间尺度环流系统在气象上的表征,同时也是局部环流和热效应与地形和地貌相结合的产物。我国地处东亚季风区,是暴雨频发和多发地带,可能会造成山洪、泥石流等灾害的发生。因此,精确的降水估计和短时降水预测不仅是合理开发和科学配置水资源的基础,而且是确保社会稳定,人民生命财产安全,维护自然生态和环境的关键。目前,主流的降水预测方法主要包括数值天气预报和基于雷达回波外推的方法。数值天气预报(Numerical weather forecast,NWP)运用数学、物理学、大气动力学等方法分析天气演变过程,预报未来天气。NWP产品作为天气预报和气候预报的重要工具,为预报员的日常工作提供了重要的决策依据。但是数值预报本身存在不确定性及参数化误差的缺陷,这种不确定性主要与网格的精细化程度有关,参数化误差则主要是指初值误差和计算过程中的迭代误差。由于数值预报考虑了各项复杂因素,使得降水预报的工作成本大大增加。其次,NWP对于更长时间范围的预测比较准确,对临近降水预测效果不明显。雷达回波外推技术是根据当前时刻雷达观测结果,推测雷达回波未来的位置和强度,能够更快的实现对强对流系统的跟踪预...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 论文主要研究内容
2 基于多时间尺度SVM的短时动态降水估测
    2.1 实验数据
    2.2 基于小波变换和多时间尺度SVM的短时雷达定量降水估测方法
        2.2.1 平稳小波变换
        2.2.2 多时间尺度SVM
        2.2.3 评价参数
    2.3 实验结果
    2.4 本章小结
3 基于高斯过程回归的短时雷达定量降水预测
    3.1 实验数据
        3.1.1 CIKM数据集
        3.1.2 数据分析
    3.2 基于高斯过程回归的短时雷达定量降水预测方法
        3.2.1 特征提取
        3.2.2 高斯过程回归
    3.3 实验结果分析
        3.3.1 选取最优的特征提取方法
        3.3.2 实验结果分析
    3.4 本章小结
4 基于Tiny-Rain Net的短时降水预测
    4.1 Tiny-Rain Net网络
    4.2 数据预处理
    4.3 实验结果分析
        4.3.1 模型参数
        4.3.2 实验结果分析
    4.4 本章小结
5 总结与展望
参考文献
攻读硕士学位期间取得的研究进展
致谢



本文编号：3750766