基于机器学习算法的雷达估测降水技术研究

张伟　全志伟

摘 要：通过对多普勒天气雷达数据进行预处理，生成大量的雷达回波图像，并构造了雷达回波序列图像库，为机器学习提供训练样本集。基于机器学习算法时空预测神经网络（PredRNN++）建立雷达估测降水识别模型，实现0～3 h雷达回波预测。结果表明：将时空预测神经网络方法应用于雷达回波识别，可突破传统1 h预报预警时效，与传统的深度学习算法相比效果较好。

关键词：机器学习;雷达;估测降水

中图分类号：P412.25 文献标识码：A 文章编号：1003-5168（2021）26-0026-03

Research on Radar Precipitation Estimation Technology

Based on Machine Learning Algorithm

ZHANG Wei QUAN Zhiwei

（Lanzhou Central Meteorological Observatory， Lanzhou Gansu 730000）

Abstract： By preprocessing doppler weather radar data， a large number of radar echo images are generated， and a radar echo sequence image library is constructed to provide training sample set for machine learning， the recognition model of radar precipitation estimation is established based on machine learning Algorithm time-space prediction neural network （PredRNN++） to realize 0～3 h radar echo prediction. The results show that the method of time-space prediction neural network applied to radar echo recognition can break through the traditional time-effect of 1 h prediction and has better effect than the traditional depth-learning Algorithm.

Keywords： machine learning;radar;precipitation estimation

随着研究的深入，很多气象学者发现降水元素之间的关系大多是非线性的，于是越来越多的研究者开始尝试用神经网络的方法进行降水外推预报。国内针对基于神经网络的降水预报研究起步较晚。朱玲等结合人工智能技术在气象领域的未来发展，列举了机器学习、语言处理、计算机视觉方面的真实案例[1];傅德胜等以多普勒雷达降水回波资料为数据基础，建立雷达定量估测降水模型[2];张文海等基于多普勒雷达三维拼图资料，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[3];李海峰运用10种基于传统机器学习的雷暴大风识别方法，通过提取雷达组合反射率等特征，对雷暴大风区域进行识别[4];关鹏洲等以多普勒雷达数据为基础，改进了传统机器学习模型及近年来兴起的深度学习算法[5]。

但神经网络由于参数过多使网络结构复杂，存在易陷入局部极小点和收敛速度慢等缺点。……