首页> 正文

基于时空序列网络的气象预报格点订正算法研究

2020-12-10阅读(970)

基于时空序列网络的气象预报格点订正算法研究

论文摘要

气象与人类活动息息相关,气象预报的准确性极大的影响军事、民生、经济等领域,极端天气变化更将破坏人类生存环境。格点气象要素预报是一种将地区按既定范围划分成格点状,以格点为单位做气象要素预报,目前已有5km格点气象要素预报业务。精细化气象要素格点预报是格点预报中的一种高分辨率预报,预报方法通常是指以当前数值预报为基础,结合观测资料将格点数据,根据从业人员的经验订正得出预报值做精细化处理以及矫正误差。但由于传统数值预报在高分辨率的短期预报准确度不足,加强预报准确性手段仍以人工订正为主,并且随着精细化气象要素格点预报业务部署使用,如何提升短临预报的准确性及精细化预报的精细化程度,是一个具有重大意义的研究方向。本论文首先介绍与分析了精细化格点气象要素预报订正的工作方式与格点数据,根据气象要素变化的空间与时序特征,本文引入了深度学习领域解决时空序列问题的ConvGRU特征提取结构,并在分析研究ConvGRU结构原理与特性后,使用结合了ConvGRU的类Encdoer-Decoder结构应用于气象要素格点订正问题。最后,根据ConvGRU结构对气象要素格点订正问题的实验,提出了一种基于时空序列的MeLC-GRU模型,并在实验过程中对MeLC-GRU模型的进行了进一步的优化设计。本论文使用EC实况数据作为训练目标,使用历史EC实况数据结合当时的EC模式预报数据训练MeLC-GRU模型,最后将训练完成的MeLC-GRU模型进行格点订正并评价。实验结果表明,在本文的数据集上,与数值预报产品以及其他订正算法相比,基于MeLCGRU模型的气象要素格点订正算法对数值预报订正效果更好,具有良好的时空特征提取性能,并且展现了模型智能自动化订正在高分辨率预报中的一定优势。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 研究背景及意义
  •   1.2 国内外研究现状
  •     1.2.1 数值天气预报（NWP）发展现状
  •     1.2.2 基于传统机器学习的天气预报研究发展现状
  •     1.2.3 基于深度学习的天气预报研究发展现状
  •   1.3 本文主要内容与结构
  •     1.3.1 研究内容
  •     1.3.2 主要创新点
  •     1.3.3 论文结构
  • 第二章 精细化格点气象要素预报订正介绍
  •   2.1 精细化格点气象要素预报订正的概念
  •   2.2 精细化气象要素格点数据
  •     2.2.1 欧洲中期天气预报中心（ECMWF）模式预报数据
  •     2.2.2 格点数据的插值方法
  •   2.3 本章小结
  • 第三章 深度学习时空网络理论基础
  •   3.1 深度学习的发展
  •   3.2 经典神经网络
  •     3.2.1 CNN的基本结构
  •     3.2.2 经典卷积神经网络
  •     3.2.3 RNN的基本结构
  •     3.2.4 长短期记忆网络（Long-Short Term Memory,LSTM）
  •   3.3 时空序列神经网络
  •     3.3.1 双流法（Two-Stream）
  •     3.3.2 C3D网络模型（Convolutional3D）
  •     3.3.3 ConvGRU结构模型
  •   3.4 本章小结
  • 第四章 基于MeLC-GRU的气象要素格点订正算法设计
  •   4.1 深度学习开发框架Py Torch简介
  •   4.2 基于ConvGRU的气象要素预报订正模型MeLC-GRU的设计
  •     4.2.1 MeLC-GRU模型整体结构
  •     4.2.2 分层卷积结构
  •     4.2.3 编码订正结构（Encoder-Correction）
  •     4.2.4 损失函数
  •   4.3 基于MeLC-GRU网络模型的气象要素精细化格点订正算法实现
  •     4.3.1 HNGrid2 标准格式
  •     4.3.2 数据预处理
  •     4.3.3 MeLC-GRU网络模型的训练与测试
  •   4.4 本章小结
  • 第五章 实验设计与结果分析
  •   5.1 实验环境
  •   5.2 实验数据
  •   5.3 实验评价方法
  •     5.3.1 气象要素分层解析
  •     5.3.2 评价方式
  •   5.4 实验结果分析
  •   5.5 本章小结
  • 第六章 总结和展望
  • 参考文献
  • 致谢

    • 文章来源

    类型: 硕士论文

    作者: 李逸

    导师: 王胜春

    关键词: 时空序列网络,深度学习,气象要素格点订正,数值预报

    来源: 湖南师范大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 气象学,自动化技术

    单位: 湖南师范大学

    分类号: TP18;P45

    总页数: 61

    文件大小: 3159K

    下载量: 170

    相关论文文献

    • [1].时空序列预测方法综述[J]. 计算机应用研究 2020(10)
    • [2].基于隐马尔科夫模型的时空序列预测方法[J]. 微型机与应用 2016(01)
    • [3].基于时空序列搜索的最优个性化旅游规划[J]. 计算机科学 2017(09)
    • [4].析疑解难 临考不惊——谈古希腊在时空序列下的复习策略[J]. 教学考试 2019(08)
    • [5].基于决策树的时空序列预测方法[J]. 信息技术与信息化 2017(10)
    • [6].时空序列式结构记叙文写作指导[J]. 中学语文 2013(30)
    • [7].基于时空序列混合模型的犯罪情报预测分析[J]. 情报杂志 2018(09)
    • [8].明清时期四川地区城池修建的时空序列研究[J]. 城市发展研究 2010(11)
    • [9].基于神经网络与时空序列的混合模型在变形监测中的应用[J]. 河南科学 2017(02)
    • [10].利用GNSS位移时空序列进行断层无震蠕滑特征分析[J]. 武汉大学学报(信息科学版) 2015(09)
    • [11].长输管道时空序列数据分析[J]. 油气储运 2016(07)
    • [12].出租车交接班行为识别与时空分布研究[J]. 地球信息科学学报 2017(02)
    • [13].深入地下,穿越千年[J]. 走向世界 2016(30)
    • [14].基于时空序列模式匹配的兴趣点推荐方法[J]. 重庆邮电大学学报(自然科学版) 2011(03)
    • [15].煤矿灾害时空序列特征分析[J]. 地学前缘 2009(05)
    • [16].清代皇家园林建筑空间范式探析[J]. 广东园林 2015(03)
    • [17].GML时空序列模式相似性度量挖掘算法研究[J]. 测绘标准化 2011(02)
    • [18].OrientSTS:一个时空景点序列分析系统[J]. 计算机研究与发展 2011(S3)
    • [19].准噶尔盆地陆东地区巴塔玛依内山组火山喷发时空序列及其石油地质意义[J]. 中南大学学报(自然科学版) 2015(01)
    • [20].非参数触发算法对时空因果关系的优化研究[J]. 云南大学学报(自然科学版) 2019(06)
    • [21].江西省碳通量时空演变与模型构建[J]. 中国土地科学 2011(11)
    • [22].城市地铁网络拓扑时空演变特征模型研究[J]. 地理空间信息 2019(09)
    • [23].中央苏区烈士陵园设计研究[J]. 山西建筑 2016(29)
    • [24].城市公共空间设计中的人文体验[J]. 科技信息 2009(05)
    • [25].南宋连环画《蚕织图》赏析[J]. 艺术教育 2016(04)
    • [26].经典探源,透视时空序列中的变幻[J]. 收藏.拍卖 2018(12)
    • [27].英美文学的后现代魔幻主义研究[J]. 贵阳学院学报(社会科学版) 2016(06)
    • [28].神遇而迹化——从《潇湘奇观图》看山水画的意识流观念[J]. 美术学报 2017(03)
    • [29].历史宗教地理学视阈下九华山佛教文化体系的建构——以寺院为中心[J]. 世界宗教研究 2016(05)
    • [30].STARMA网络时空序列预测模型研究[J]. 计算机应用研究 2014(08)

    标签：;  ;  ;  ;  

    基于时空序列网络的气象预报格点订正算法研究
    下载Doc文档

    猜你喜欢

    © 2025 毕论降 版权所有 鄂ICP备12018319号-6