论文部分内容阅读
短时强降水、大风等强对流天气危害巨大,对其进行自动识别存在相当大的技术困难。提出一种基于深度神经网络的强对流天气智能识别模型,以雷达回波图像和表征回波移动路径的光流图像作为输入,通过神经网络的自学习,寻求雷达图像与"是否发生强对流天气"之间的函数映射关系;并运用数据集增强、代价函数优化和模型泛化性能优化等技术,解决了训练样本的不均衡问题,避免了模型训练过程陷入局部极值的问题。实验结果表明,该方法对强对流天气识别的准确率达到96%,误报率低于60%。该方法也适用于对下击暴流等灾害性天气的