四种机器深度学习算法对武汉地区雷达回波临近预报的检验和评估

基于PredRNN++、MIM、CrevNet和PhyDNet四种机器深度学习算法,利用武汉地区2012—2019年的雷达和降水资料,开展了人工智能技术在武汉地区临近预报中的应用研究,根据均方误差(MSE)、结构相似性指数(SSIM)、命中率(POD)、虚警率(FAR)和临界成功指数(CSI)等指标检验评估了四种机器学习算法对武汉地区雷达回波临近预报的预报性能,并以半拉格朗日光流法进行了对比,得到以下主要结论:MIM算法的MSE和FAR最低,SSIM最高;PredRNN++算法的POD和CSI最高。机器深度学习算法的POD、CSI和SSIM均高于光流法,FAR和MSE则更低,其中SSIM、POD、CSI三种指标的提升幅度在3.2%～24.7%,MSE和FAR两种指标的降幅在13.1%～43.3%。30 min以内,除CrevNet外,其余三种机器学习算法和光流法的预报能力较为接近;30 min以后,深度学习算法和光流法都随着预报时效的延长,预报能力均显著下降,但机器学习算法下降得更缓慢,尤其是60 min以后光流法的降幅进一步增加,显示出机器学习长预报时效的优势。此外,机器学习算法之间...