摘要
基于深度学习模型(PredRNN),利用广东省2016—2020年组合反射率因子拼图数据开展临近预报研究,根据命中率POD、虚警率FAR、临界成功指数CSI等指标对其预报能力开展评估检验,并与融合光流法进行对比。结果表明:PredRNN算法对于回波整体预报较融合光流法有一定优势,表现为POD和CSI更高,且随预报时效延长POD差距逐渐加大,但同时存在FAR偏高现象。PredRNN对于不同强度回波的预报能力不同,回波强度高于30 dBz时,其预报效果优于光流法,表现为POD和CSI更高,尤其回波强度介于45~65 dBz时优势更明显。总体而言,PredRNN对于中等强度以上及更长时效的雷达回波具备更优预报能力,同时也显示出在强降水频发的华南地区,深度学习方法具有良好的应用前景。
出处
《广东气象》
2023年第3期58-61,共4页
Guangdong Meteorology
基金
国家重点研发计划资助项目(2019YFC1510400)
广东省气象局科学技术研究项目(GRMC2021M09)
广东省基础与应用基础研究基金项目(2021B1515310001)。
