基于分层生成对抗网络的短临降水预报方法研究OACSTPCD
Research on Precipitation Nowcasting Based on Hierarchical Generative Adversarial Network
本文使用深度学习方法中的生成对抗网络(GAN)来提升短临降水预报的准确率,提出了一个基于历史雷达回波图序列预测未来雷达回波图序列的分层生成对抗网络(HGAN)方法.HGAN方法由全局生成器和局部鉴别器两部分组成,全局生成器以多子网的层次结构构建,采用上采样过程训练模型,捕捉雷达回波的演变趋势,有利于生成清晰的未来雷达回波图.局部鉴别器根据局部区域将预测的雷达回波图与观测的雷达回波图区分开,并引入缓冲区机制,保存历史预测序列,使最终预测的结果更加符…查看全部>>
This paper attempts to improve the accuracy of precipitation nowcasting by using generative adversarial network(GAN)method in deep learning.The hierarchical generative adversarial network(HGAN)is proposed to generate future radar echo sequences based on historical radar echo sequences.HGAN is composed of a global generator and a local discriminator.The global generator is constructed in a hierarchical structure of multiple subnets,and the model is trained us…查看全部>>
曾强胜;郭敬天;任鹏;黄文华;王宁
国家海洋局北海预报中心,山东 青岛 266061||中国石油大学(华东)海洋与空间信息学院,山东 青岛 266555国家海洋局北海预报中心,山东 青岛 266061中国石油大学(华东)海洋与空间信息学院,山东 青岛 266555国家海洋局北海预报中心,山东 青岛 266061||中国石油大学(华东)海洋与空间信息学院,山东 青岛 266555国家海洋局北海预报中心,山东 青岛 266061
大气科学
短临降水雷达回波分层生成对抗网络全局生成器局部鉴别器
precipitation nowcastingradar echohierarchical generative adversarialglobal genera-torlocal discriminator
《中国海洋大学学报（自然科学版）》 2024 (2)
23-32,10
国家重点研究发展计划项目(2018YFC1407002)资助Supported by the National Key Research and Development Program of China(2018YFC1407002)
评论