基于深度时空融合网络的雷达回波外推模型OACSCD
Radar Echo Extrapolation Model Based on Deep Spatio-Temporal Fusion Neural Network
基于深度学习的雷达回波外推是实现短临降水预报的重要方法,由于雷达回波数据具有显著的非刚性的运动特征,使得数据的统计特性随时间在不断变化,意味着其具有高阶非平稳性,而现有深度学习方法难以捕捉回波序列的非刚性运动特征,且难以建模雷达数据的高阶非平稳性.为此,本文针对雷达数据特征提出了一种新的时空融合网络STUNNER(Spatio-Temporal Fusion Neural Network).STUNNER设计了一种两路时空融合架构,通过交叉连接时…查看全部>>
方巍;庞林;易伟楠
南京信息工程大学计算机学院数字取证教育部工程研究中心,江苏南京 210044||气象灾害国家重点实验室, 北京 100081||南京信息工程大学江苏省大气环境与装备技术协同创新中心,江苏南京 210044||中国气象局气象干部培训学院,北京 100081南京信息工程大学计算机学院数字取证教育部工程研究中心,江苏南京 210044||中国气象局气象干部培训学院,北京 100081南京信息工程大学计算机学院数字取证教育部工程研究中心,江苏南京 210044
计算机与自动化
雷达回波外推短临降水预报高阶非平稳性动态卷积两路时空融合
radar echo extrapolationprecipitation nowcastinghigh-order non-stationaritydynamic convolutiontwo stream spatio-temporal fusion
《电子学报》 2023 (9)
基于稀疏对应和深度神经网络的雷达回波外推短临降水预报研究
2526-2538,13
国家自然科学基金(No.42075007)灾害天气国家重点实验室开放课题(No.2021LASWB19) National Natural Science Foundation of China(No.42075007)Open Grants of the State Key Laboratory of Severe Weather(No.2021LASWB19)
评论