基于生成对抗网络和卫星数据的云图临近预报北大核心CSCD

利用风云四号气象卫星A星(FY-4A)红外云图,基于生成对抗网络方法,提出了红外云图外推预报模型,实现了华东区域未来3 h的云图预报,预报的时空分辨率分别为1 h和4 km。结果表明:该外推模型预报的云图可较好描述云团移动、发展和减弱趋势,对研究区域内云团的强度、位置和形态得到较为理想的预报效果。为了验证提出的云图外推模型的有效性,将其与光流法和轨迹门控循环单元模型进行比较。对比试验结果表明:该云图外推模型具有最优的预报效果,说明使用生成对抗网络进行云图外推具有较好的可行性,能有效应用于气象业务中监测云团的生消和移动并提前预警灾害性天气的发生,为天气预报提供重要的参考依据。     

用天气雷达回波资料作临近预报的BP网络方法

讨论了利用ＢＰ模型进行临近预报的方法,并与傅立叶描绘子法作了比较,从而说明了人工神经网络方法用于临近预报是可行的。     

基于卷积门控循环单元神经网络的临近预报方法研究

基于天气雷达资料的外推预报是灾害天气0～2h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...     

雷达回波在暴雨临近预报中的应用

统计分析表明:雷达回波必须要达到一定的强度才能产生暴雨.北海天气雷达站从2006年起制作雷达责任区内的暴雨临近预报,在工作中发现,将回波强度作为预报指标结合线性外推法作暴雨临近预报可以提高预报的准确率.     

基于深度学习的强对流高分辨率临近预报试验

强对流天气临近预报、预警在气象灾害防御中具有极为重要的地位。在气象业务中,因对强对流天气临近预报、预警准确率和时、空分辨率的极高要求,使其成为业务难点和研究热点之一。对于高时、空分辨率强对流临近预报问题,尝试用深度学习方法来解决。首先将强对流临近预报抽象成同时包含时间和空间的序列预测问题;然后基于改进的循环神经网络算法形成的自编码模型,使用京津冀地区长序列、高时空分辨率天气雷达组网拼图数据进行模型训练;最后利用基于历史0.5 h雷达回波拼图数据训练得到的端到端神经网络,预报未来1 h内的逐6 min回波演变特征。通过基于传统外推算法的临近预报方法与深度学习算法的临近预报方法进行对比,发现使用的深度学习方法可以有效“学习”到高时、空分辨率序列雷达数据特征的内在关联,通过多层神经网络构造出抽象的深层特征,能够有效捕捉到雷达回波的演变规律和运动状态。通过计算雷达回波预报的命中率（POD）、虚警率（FAR）、临界成功指数（CSI）等检验表明,相较传统外推临近预报方法,在强对流回波临近预报准确率上有较明显提高。      

利用雷达回波资料作临近预报应注意的几个问题

利用雷达回波资料作临近预报应该注意以下几个问题:新一代雷达存在静锥区,静锥区内没有雷达探测数据,要通过调用邻近雷达站的低仰角资料来弥补;正确理解平面位置显示(PPI)是准确地进行回波分析的基础;地球曲率会影响天气雷达的探测,雷达波束在前进方向上随着距离增加距地面高度逐渐增加;地物杂波对雷达低仰角的产品会造成影响;使用线性外推作临近预报只有在一定的短时间内才可获得最好的效果。     

新一代天气雷达在临近预报和灾害性天气警报中的应用

利用新一代天气雷达制作临近天气预报和灾害性天气警报,必须从天气雷达观测入手.需根据临近预报和灾害性天气警报需求制定观测方法.不同预报对象,要采取不同的雷达资料的数据处理方法,以便突出预报对象的回波特征.制作临近预报和灾害性天气警报的主要依据是雷达回波分析,掌握回波演变的全过程是雷达回波分析的基础,根据回波特征判断识别影响本地区的天气系统,通过回波分析判断回波的未来发展趋势.为了从回波上识别灾害性天气,需要建立各种灾害性天气的识别判据和方法.预报的主要方法是外推法,但预报结果还需要预报员根据预报经验最后作出预报结论.为了做好临近预报和灾害性天气警报,建立预报流程是非常重要的.     

基于时空图卷积的强对流降水临近预报研究

降水临近预报对于强对流天气的预报具有重要的支撑作用。气象业务中主要采用雷达回波外推方法解决此问题。然而,现有方法通常缺乏从序列雷达数据中有效学习的能力,导致预测精度不佳。为了解决这一问题,本文提出了一种改进的时空图卷积模型ASTGCN(A Spatio-Temporal Graph Convolution Neural Network)用于强对流降水的临近预报。利用时空图卷积网络,有效地捕获相邻雷达帧之间的时间依赖性。此外,利用注意力机制和自动编码器来增强模型捕获时空相关性的能力。结果表明,该模型可以从数据中发现隐藏的图结构,从而捕获隐藏的空间关系。与现有模型(Transformer)相比,该模型的临界成功指数(CSI)提高了28%,表明其在强对流降水临近预报方面具有优越的性能。     

交叉相关外推算法的改进及其在对流临近预报中的应用

交叉相关外推算法是目前对流临近预报的主要算法之一。它主要是通过计算雷达回波等资料在连续时次的空间最优相关, 得到对流系统不同位置的移动矢量特征, 并基于这些获得的移动矢量对雷达回波等进行外推, 从而达到预报的目的。因为算法既考虑了回波移动矢量大小和方向的变化, 也考虑了整个回波在移动过程中的形变, 所以, 基于该算法的外推临近预报具有一定的物理意义。该文介绍了交叉相关外推预报算法的基本原理, 对算法进行了一系列的质量控制, 包括抑制地物杂波和噪声的影响、对“丢失”计算的点进行矢量补充以及对追踪的矢量进行平滑处理等多个步骤。个例对比分析表明:算法在通过质量控制和优化处理后, 追踪的回波移动矢量质量明显改善。利用优化后的算法, 对2004年夏季和2005年夏季发生在京津冀地区的4个强对流个例, 包括2次飑线过程、1次雹暴过程和1次强雷暴过程, 进行了外推临近预报试验, 并且对算法在对流临近预报中的效果做了初步的检验评估。结果表明:该算法对强对流天气过程的临近预报具有一定效果, 算法可以给出未来30 min或者60 min内雷达回波和雷暴位置以及形状的外推预报, 预报结果与实况比较接近。     

人工智能在短临降水预报中应用研究综述

短临降水预报是一项重要且具有挑战性的世界性难题.研究人员曾尝试使用各种技术预报降水,但是由于降水本身具有高度非线性、随机性和复杂性的特性,使得降水预测精确度并不高.近年来,随着人工智能技术的迅猛发展,其日渐渗透到人们生活的方方面面,气象领域也因此得益.人工神经网络能够对非线性系统进行建模,因此相比于传统方法,如数值天气预报法和光流法等,人工智能方法使得降水预报的准确率大大提高.本文介绍了传统降水预报的方法,着重总结概括了用于短临降水预报的各种最新人工智能方法,并对各研究方向进行归纳分析,为各类研究人员研究提供有益参考和借鉴.     

基于生成对抗网络的音乐标签自动标注

针对如何快速有效地对音乐信息进行查询、检索和组织的问题,提出了一种基于生成对抗网络模型的多标签音乐自动标注系统.通过音乐自动语义标注技术,可以提高音乐检索系统的性能.利用LDA方法对音乐标签进行聚类以获取主题类别,再通过生成对抗网络,找到音乐的音频特征与语义特征之间的映射关系.应用于CAL500数据集的5次交叉验证实验结果表明,该方法的综合性能指标与现有方法相比有较大的提升.     

基于生成对抗网络的异质人脸图像合成:进展与挑战

异质人脸图像合成旨在生成逼真、可识别的多种视觉形态的人脸肖像,包括画像、漫画等多种模态.异质人脸图像合成在公共安全和数字娱乐领域具有广泛的应用前景和重要的研究价值,已成为当前研究热点之一.近年来,随着生成对抗网络的发展以及其在多种图像风格转换任务中的成功,研究人员利用生成对抗网络构建了多种异质人脸图像合成的新方法.本文简要回顾了异质人脸图像合成的发展历史,并从异质人脸图像合成的应用进展、模型结构、性能评估、数据集和定性分析等方面综述了该领域最新的关键技术的发展情况,展望了异质人脸图像合成面临的挑战以及其关键技术的发展趋势.     

人工智能在冰雹识别及临近预报中的初步应用

基于广东10部S波段多普勒天气雷达的三维拼图资料,利用机器学习技术开发了一种冰雹识别和临近预报的人工智能算法。算法设计时以雷达回波反射率的垂直和水平扫描数据为基础训练集,将冰雹云的雷达反射率扫描数据作为正样本,将其他雷达反射率扫描数据作为负样本,通过贝叶斯分类法对正、负样本数据集进行机器学习,训练人工智能识别冰雹云内在规律的能力。训练时以广东省2008-2013和2015-2016年的数据作为训练集,使用了2014年广东省12次冰雹过程的数据做检验。对比检验的结果表明,人工智能法比传统的概念模型法击中率高9个百分点。研究结果表明了人工智能对冰雹这类非线性强天气过程具有较强的识别能力。      

变分多普勒雷达分析系统对北京一次强降水过程的短时预报能力初探

利用四维变分多普勒雷达资料分析系统对2008年7月30日北京一次强降水过程反演得到的风场和微物理场进行分析,针对本过程中东段回波减弱消散、强降水区的确定、降水回波的转向几个短时临近预报关键点进行讨论,得出如下初步结论：1）在东段降水回波减弱消散前的12～24min,其对应的4．7km高度扰动温度场正值区出现“u”形中空结构,甚至在中空结构中有负值区出现,同时1．7km高度垂直速度场有上升气流与下沉气流分离的现象;2）如果4．7km高度扰动温度场的相对大值区在某地区持续时间较长（2h左右）或者某区域扰动温度迅速增加且出现大值中心（大于2oC）并维持,那么该区域未来1～2h内出现较强降水的可能性较大;3）降水回波的转向是受到1．7km高度在密云、平谷境内出现的反气旋型环流西部气流的引导,而该环流的出现则是北京西部持续强降水区的辐合上升气流在中高层水平输送到北京东部的密云、平谷境内并在该处形成下沉辐散的反气旋型环流反作用于降水回波所致,环流的形成早于回波转向约1h。     

人工智能技术发展概述

近年来,以深度学习为核心的人工智能技术,取得了一系列重大突破.本文将就人工智能的产业化热潮,主要研究流派及发展历史,以深度学习为核心的成功应用,以及存在的一些问题和今后的可能研究方向做一个介绍.     

人工智能技术气候预测应用简介

近年来,随着人工智能技术在多个领域大数据分析中的应用,许多研究工作者尝试将地学研究与人工智能跨学科结合,取得了很多新的进展,推动了地球科学的发展。其中气候预测与人类生活以及防灾减灾等息息相关,准确的气候预测至关重要。本文简要总结了人工智能技术在气候预测应用方面的研究进展,包括资料同化、模式参数化、求解偏微分方程、构建统计预测模型、改进数值模式产品释用等领域。这些研究证明了利用人工智能提高气候预测技巧的可能性和适用性,可以极大地节省计算成本和时间。然而人工智能应用也存在诸多挑战,例如数据集的构建、模型的适用性和物理可解释性等问题,对这些难点问题的研究和攻克,可以让人工智能在大数据时代中更好地补充传统地球科学方法,产生更多有益的效应,极大地改进气候预测水平。     

提高新一代天气雷达在临近预报中准确率的分析

文章应用新一代天气雷达资料,并结合天气图、T-logp图等资料,对发生于2011年6月13日内蒙古西部巴彦淖尔市东部地区的一次局地强对流天气过程进行了分析。通过分析雷达冰雹概率、垂直累积含水量、回波顶高、风暴追踪信息等产品以及自动站天气实况等发现,用于短时临近预报的雷达冰雹概率及风暴追踪信息产品在该次强对流天气过程中与天气实况并不能很好地符合。其原因:一方面与雷达对风暴的跟踪和SCIT算法有关,另一方面表明天气背景以及短时强对流天气所具有局地性特点在短时临近预报中未能充分考虑。通过该个例的分析,对于业务人员认识本地区的强对流天气发生特点并提高预报准确率具有重要意义。     

一种卫星和雷达资料结合的强降水临近预报方法

在短期和短时天气预报的基础上，通过对气象卫星红外数字资料的定量处理和统计分析，作出降水云系的实时降雨量估计，并根据降水云系生命史的演变和移动、传播等特征，结合天气系统分型和雷达回波资料，提出一种北京密云水库上游潮河，白河流域区域性０－３小时强降水临近预报方法。