基于卷积门控循环单元神经网络的临近预报方法研究

来源：高原气象杂志2021年第2期北京时间：

作者：陈训来;刘军;郑群峰;李旭涛;刘佳;姬喜洋;陈元昭;叶允明

单位：1. 深圳市气象局，广东 深圳 518040;2. 深圳南方强天气研究重点实验室，广东 深圳 518040;3. 哈尔滨工业大学（深圳），广东 深圳 518055

摘要：基于天气雷达资料的外推预报是灾害天气0~2 h临近预报基础， 本文以业务应用为目标， 应用广东省2015 -2018年11部新一代多普勒雷达反射率拼图资料， 研究了基于卷积门控循环单元神经网络ConvGRU的临近预报方法， 采用多损失函数加权与分级加权的策略， 基于ConvGRU框架建立三层自编码模型（Encoder-Decoder）的雷达回波临近预测模型， 进行未来2 h逐6 min、 连续20帧雷达回波图的预测， 并与业务上已经应用的交叉相关法、 光流法和粒子滤波法的临近预报结果对比， 进行典型个例分析和长时间检验。结果表明， 基于ConvGRU方法对强对流天气具有较好的预报效果， 对雷达回波位置、 强度和形状与实况更接近， 表明深度学习方法通过对时间序列数据的学习， 能较好地把握强回波区域的特征， 在一定程度上能够相对比较准确地预报较强回波范围， 但该方法预报雷达回波图像存在损失空间细节信息的局限， 且对层状云降水的预报效果较差； ConvGRU方法的临界成功指数（CSI）和命中率（POD）评分高于传统的交叉相关法、 光流法和粒子滤波法， 且虚警率（FAR）评分为最小， 在业务中具有广泛的应用前景。

关键词：临近预报;ConvGRU;雷达回波

基金资助：广东省科技厅科技项目(2019B020208016),国家自然科学基金项目(41975124),广东省气象局重点研究项目(GRMC2018Z06),中国气象局预报员专项(CMAYBY2019-081)