排序方式: 共有4条查询结果,搜索用时 7 毫秒
1
1.
2.
3.
4.
利用偏振升级改造后的广州新一代天气雷达(CINRAD/SAD)水平反射率ZH、差分传播相移率KDP、差分反射率因子ZDR和广东佛山219个地面气象自动站雨量数据,形成不同偏振量组合的8个数据集。基于卷积神经网络(CNN),建立雷达定量降水估测网络架构QPEnet, 并将该架构用于雷达定量降水估测(QPE),评估结果表明:数据集通道数N的增加可降低QPEnet的定量降雨估测的均方根误差(RMSE),并提高相关系数(CORR);对于由ZH形成的数据集Z、Z_1~3 km和Z_6 min,随着通道数N的增加,数据集Z、Z_1~3 km和Z_6 min的性能逐步得到提高,数据集Z_1~3 km和Z_6 min的均方根误差(RMSE)分别是4.71和3.78,比数值集Z分别降低了1.3%和18.7%;数据集Z_1~3 km和Z_6 min的CORR分别是0.82和0.88,比数据集Z分别提高了2.5%和10.0%;对于ZH、KDP和ZDR偏振量组成的数据集里面,数据集Z_ZDR_KDP的拟合性能最好,RMSE为3.97,比数据集Z的RMSE降低了14.6%,CORR是0.86,比数据集Z提高了7.5%;分别对0.6~5 mm、5~10 mm、10~20 mm、20~30 mm、30~40 mm、40~50 mm和50 mm以上的7个降水量级的均方根误差(RMSE)、平均偏差比(MBR)、平均误差(AE)和相对误差(RE)等的统计结果表明,数据集Z_6 min降雨精度最高。 相似文献
1